Para controlar sistemas aéreos no tripulados, rara vez tenemos un modelo de sistema perfecto. La planificación segura y agresiva también es un desafío para sistemas no lineales y subactuados. Sin embargo, los pilotos expertos demuestran maniobras que se consideran al límite del sobrevuelo del avión. Inspirados en sistemas biológicos, en este artículo, introducimos un marco que aprovecha métodos en el campo de la teoría de control y el aprendizaje por refuerzo para generar trayectorias factibles y posiblemente agresivas. Para las políticas de control, los Primitivos de Movimiento Dinámico (DMP) imitan los primitivos inducidos por el piloto, y los DMP se combinan en paralelo para generar trayectorias que alcanzan puntos de objetivo originales o diferentes. Las propiedades de estabilidad de los DMP y sus sistemas en general se analizan utilizando la teoría de contracción. Para el aprendizaje por refuerzo, se utilizó la Mejora de Políticas con Integrales de Trayectoria para las maniobras. Los resultados de este artículo muestran que las políticas actualizadas son una combinación factible y paralela de diferentes primitivos actualizados que transfieren el aprendizaje en las regiones de contracción. Nuestra metodología propuesta puede utilizarse para imitar, remodelar y mejorar maniobras factibles y posiblemente agresivas. Además, podemos explotar trayectorias generadas por métodos de optimización, como el Control Predictivo por Modelo (MPC), y se puede generar instantáneamente una biblioteca de maniobras. Para la aplicación, se utilizan modelos de Helicóptero de 3 grados de libertad (DOF) y UAV de 2D (vehículo aéreo no tripulado) para demostrar los resultados principales.