Los vehículos autónomos submarinos (AUV) se han aplicado cada vez más en el monitoreo ambiental marino. Su destacada capacidad para realizar tareas sin intervención humana los convierte en una herramienta popular para la recolección de datos ambientales, especialmente en regiones desconocidas y remotas. Este documento aborda el problema de planificación de rutas cuando se utilizan AUV para realizar el rastreo de fuentes de plumas en un entorno desconocido. El objetivo de la planificación de rutas es localizar la fuente de la pluma de manera eficiente. El enfoque de planificación de rutas se desarrolla utilizando el algoritmo Double Deep Q-Network (DDQN) en el marco del aprendizaje por refuerzo profundo (DRL). El AUV adquiere conocimiento al interactuar con el entorno, y la dirección óptima se extrae del mapeo obtenido por una red neuronal profunda. El enfoque propuesto fue probado mediante simulación numérica y en un vehículo terrestre real. En la simulación numérica, se compararon varias estrategias de muestreo inicial en función de la eficiencia de la encuesta. Los resultados muestran que el aprendizaje directo basado en la interacción con el entorno podría ser una estrategia de encuesta apropiada para problemas de rastreo de fuentes de plumas. La comparación con la ruta canónica de cortacésped utilizada en la práctica mostró que la planificación de rutas utilizando algoritmos de DRL podría ser potencialmente prometedora para la exploración ambiental a gran escala.