Inspirados en los colibríes y ciertos insectos, los vehículos aéreos micro con alas que baten (FWMAVs) exhiben ventajas potenciales en eficiencia energética y maniobrabilidad. Entre ellos, el FWMAV sin cola impulsado por un motor bidireccional con una estructura simple prevalece en la investigación, pero requiere un control activo de la postura para flotar. En este artículo, empleamos el aprendizaje profundo por refuerzo para entrenar una estrategia de flotación de bajo nivel que mapea directamente el estado del dron a las salidas de voltaje del motor. Hasta donde sabemos, otros FWMAVs, tanto en la realidad como en simulaciones, aún dependen de controladores proporcionales-derivativos clásicos para el control de la postura. Nuestro enfoque basado en el aprendizaje mejora la robustez de la estrategia a través de la aleatorización del dominio, eliminando la necesidad de ajustar manualmente los parámetros de ganancia. La efectividad de la estrategia se valida en un entorno de simulación de alta fidelidad, mostrando que para un FWMAV con una envergadura de aproximadamente 200 mm, el centro de masa se mantiene dentro de un radio de 20 mm durante la flotación. Además, la estrategia se utiliza para demostrar vuelo punto a punto, seguimiento de trayectorias y vuelo controlado de múltiples drones.