Aprender a mantener el equilibrio postural mientras se está de pie requiere un esfuerzo significativo de coordinación fina entre el sistema neuromuscular y el sistema sensorial. Es uno de los factores clave que contribuyen a la prevención de caídas, especialmente en la población de edad avanzada. Usando inteligencia artificial (IA), podemos enseñar de manera similar a un agente a mantener una postura de pie, y así enseñar al agente a no caerse. En este documento, investigamos el progreso de aprendizaje de un agente de IA y cómo mantiene una postura de pie estable a través del aprendizaje por refuerzo. Utilizamos el método de Gradiente de Política Determinista Profunda (DDPG) y el entorno de simulación musculoesquelética OpenSim basado en OpenAI Gym. Durante el entrenamiento, el agente de IA aprendió tres políticas. Primero, aprendió a mantener el Centro de Gravedad y el Punto de Momento Cero frente al cuerpo. Luego, aprendió a desplazar la carga de todo el cuerpo en una pierna mientras usaba la otra pierna para ajustar finamente la acción de equilibrio. Finalmente, comenzó a aprender la coordinación entre las dos políticas preentrenadas. Este estudio muestra el potencial de utilizar el aprendizaje profundo por refuerzo en estudios de movimiento humano. El comportamiento de IA aprendido también mostró intentos de lograr un objetivo no planificado porque se correlacionaba con el objetivo establecido (por ejemplo, caminar para prevenir caídas). Los intentos fallidos de mantener una postura de pie son un interesante subproducto que puede enriquecer los esfuerzos de investigación en detección y prevención de caídas.