Los vehículos guiados automatizados (AGVs) se han vuelto prevalentes en la última década. Sin embargo, aún existen numerosos desafíos, incluyendo la planificación de rutas, la seguridad y la capacidad de operar de manera segura en entornos no estructurados. Este estudio propone un sistema de evasión de obstáculos que aprovecha el aprendizaje profundo de acciones (DAL) para abordar estos desafíos y cumplir con los requisitos de la Industria 4.0 para AGVs, como la velocidad, precisión y robustez. En el enfoque propuesto, el DAL se integra en una plataforma AGV para mejorar su navegación visual, reconocimiento de objetos, localización y capacidades de toma de decisiones. Luego, el DAL mismo se introdujo para combinar el trabajo de You Only Look Once (YOLOv4), características robustas aceleradas (SURF) y vecinos más cercanos (kNN) y control AGV en navegación visual en interiores. El sistema DAL activa SURF para diferenciar dos imágenes de navegación, y kNN se utiliza para verificar la distancia visual en tiempo real y evitar obstáculos en el suelo mientras busca la posición de inicio. Los hallazgos de las pruebas muestran que el sistema sugerido es confiable y se ajusta a las necesidades de las operaciones avanzadas de AGV.