El control por modo deslizante, un algoritmo conocido por su estabilidad y robustez, se ha utilizado ampliamente en el diseño de controladores de robots. Tales controladores inevitablemente exhiben vibraciones; se han propuesto numerosos métodos para abordar este problema en la última década. Sin embargo, en la mayoría de los escenarios, garantizar que la forma especificada y los parámetros seleccionados sean óptimos para el sistema es un desafío. En este trabajo, se adopta el método de aprendizaje por refuerzo para explorar la función no lineal óptima para reducir las vibraciones. Basado en un modelo de referencia convencional para el control por modo deslizante, la salida de la red participa directamente en el cálculo del controlador sin ninguna restricción. Además, se propone un método de verificación en dos pasos, que incluye simulación bajo retraso de entrada y perturbación externa, así como experimentos reales utilizando un cuadricóptero. Se implementan dos tipos de métodos clásicos de reducción de vibraciones en el mismo controlador básico para comparación. Los resultados del experimento indican que el método propuesto podría reducir efectivamente las vibraciones y mostrar un mejor rendimiento de seguimiento.