Los últimos logros en el campo del aprendizaje por refuerzo han alentado el desarrollo de métodos de aprendizaje basados en visión que compiten con los resultados proporcionados por humanos obtenidos en varios juegos y entornos de entrenamiento. Las redes neuronales convolucionales junto con enfoques basados en Q-learning han logrado resolver y superar a los jugadores humanos en entornos como Atari 2600, Doom o StarCraft II, pero el nicho de juegos 3D realistas con un alto grado de libertad de movimiento y gráficos ricos permanece inexplorado, a pesar de tener la mayor similitud con situaciones del mundo real. En este documento, proponemos un banco de pruebas novedoso para empujar los límites de los métodos de aprendizaje profundo, a saber, un entorno similar a OpenAI Gym basado en Dark Souls III, un juego de rol notoriamente difícil, donde incluso los jugadores humanos han tenido dificultades según se informa. Exploramos dos tipos de arquitecturas, Redes Q Profundas y Redes Q Recurrentes Profundas, proporcionando los resultados de una primera incursión en esta nueva clase de problemas. El código fuente del entorno de entrenamiento y las líneas base están disponibles.