Dentro de las empresas almaceneras de bienes o encargadas de brindar el servicio de renta de espacios para almacenaje, existen problemas de eficiencia donde las jornadas de trabajo que llegan a exceder las 11 horas diarias les pasan factura a sus trabajadores, volviéndose propensos a cometer errores involuntarios como daños o perdida de bienes durante su reubicación, además de posibilitar casos de almacenamiento excesivo por desconcentración o fatiga. Conociendo que en la actualidad un 36% de empresas emplean activamente una solución autónoma, se propone una solución con el uso de un brazo robótico capaz de reubicar eficientemente objetos. Para lo cual se requiere implementar un sistema de visión capaz de detectar objetos, implementar el uso de algoritmos de aprendizaje reforzado basado en DDPG, y diseñar unas pinzas que se acoplen correctamente a la geometría de los objetos definidos. Este proyecto hizo uso de un software libre capaz de simular entornos con físicas reales donde se definió el espacio de trabajos con las herramientas necesarias como el robot UR5, las pinzas diseñadas, una mesa de trabajo, un estante y los objetos a reubicar. Se usó el aprendizaje profundo por refuerzo basado en experiencia, mediante la creación de funciones de recompensas que hicieron posible que el robot aprenda las acciones optimas que debe tomar para lograr una reubicación efectiva. Además de implementarse un sistema de visión robótica usando algoritmos de detección y clasificación de objetos para la localización de elementos en el espacio de trabajo. Al final contamos con una visión robótica capaz de identificar correctamente los objetos definidos inicialmente, una matriz de transformación capaz de realizar un cambio de perspectiva correctamente, el diseño de unas pinzas que se ajustan adecuadamente a los elementos seleccionados, y una red neuronal entrenada mediante algoritmos basados en experiencias que van aprendiendo a realizar las acciones necesarias