Las aplicaciones de las redes de sensores inalámbricos han aumentado significativamente en la era moderna. Estas redes operan con un suministro de energía limitado en forma de baterías, que normalmente son difíciles de reemplazar con frecuencia. En las redes de sensores inalámbricos, los nodos sensores alternan entre estados de sueño y activos para conservar energía a través de diferentes métodos. El ciclo de trabajo es uno de los métodos más comúnmente utilizados. Sin embargo, sufre de problemas como la escucha inactiva innecesaria, el consumo extra de energía y la tasa de pérdida de paquetes. Se ha propuesto un protocolo B-MAC basado en Aprendizaje por Refuerzo profundo llamado (RL-BMAC) para abordar este problema. El protocolo propuesto despliega un agente de aprendizaje por refuerzo profundo con hiperparámetros fijos para optimizar el ciclo de trabajo de los nodos. El agente de aprendizaje por refuerzo monitorea parámetros esenciales como el nivel de energía, la tasa de pérdida de paquetes, el estado de los nodos vecinos y el muestreo de preámbulos. El agente almacena la información como un estado representativo y ajusta el ciclo de trabajo de todos los nodos. El rendimiento de RL-BMAC se compara con el de B-MAC convencional a través de simulaciones extensas. Los resultados obtenidos de las simulaciones indican que RL-BMAC supera a B-MAC en términos de rendimiento en un 58.5%, tasa de pérdida de paquetes en un 44.8%, eficiencia energética en un 35% y latencia en un 26.93%.