Modelos híbridos são uma poderosa abstração utilizada para representar sistemas híbridos, que consistem de uma combinação de sistemas com dinâmica contínua e discreta. A natureza híbrida de um sistema pode ser resultante da atuação de um controle discreto sobre uma unidade de produção de natureza contínua ou da dinâmica da unidade em si. Um sistema híbrido é muito geral, uma vez que contêm tanto sistemas discretos quanto sistemas contínuos como casos particulares. Existem várias propostas de abordagem para a análise e síntese de estratégias de controle para tais sistemas. Podemos encontrá-las na literatura e citamos algumas alternativas no corpo deste trabalho. Este trabalho propicia a avaliação da aplicabilidade e desempenho de técnicas de aprendizado autônomo (baseadas em Aprendizado por Reforço) a um problema tipicamente formalizado como de controle híbrido. É adotado como estudo de caso um problema de Gerenciamento de Tráfego Aéreo (GTA) atuando sobre dois aviões em situação de colisão iminente. O problema em questão é de difícil modelagem no caso mais geral, o que motiva o uso de técnicas model-free tais como Aprendizado por Reforço (AR) para a sua solução. Apresentamos o projeto de um controlador aprendiz com estratégia de aplicação de reforços visando unicamente afastar um avião do outro e a sua atuação sobre: a) a velocidade angular; b) a velocidade linear e c) as velocidades angular e linear em conjunto. Fazemos um estudo sobre a indução de ruídos nas variáveis de controle. Por fim, apresentamos uma modificação do projeto do controlador incluindo uma estratégia de manutenção da rota, e em seguida comparamos os resultados aos obtidos por técnicas de controle híbrido.