El Aprendizaje por Refuerzo es uno de los muchos paradigmas de aprendizaje automático. Sin datos etiquetados, se preocupa por equilibrar la exploración y explotación de un entorno con uno o más agentes presentes en él. Recientemente, se han logrado muchos avances en la creación de estos agentes para el desarrollo de aprendizaje automático en videojuegos, especialmente en shooters en primera persona con plataformas como ViZDoom, DeepMind Lab y ML-Agents de Unity. En este documento, revisamos el estado del arte de la creación de agentes de Aprendizaje por Refuerzo para su uso en shooters en primera persona multijugador. Seleccionamos varias plataformas, marcos y arquitecturas de entrenamiento de diversos documentos y las examinamos, analizando sus usos. Comparamos cada plataforma y arquitectura de entrenamiento, y luego concluimos si los agentes de aprendizaje automático pueden ahora enfrentarse a humanos y si ofrecen una mejor jugabilidad que la Inteligencia Artificial tradicional. Al final, reflexionamos sobre investigaciones futuras y en qué deberían pensar los investigadores al explorar y probar esta área.