Применен алгоритм машинного обучения Deep Deterministic Policy Gradient для получения решения задачи перехвата машиной Дубинса цели, движущейся по прямолинейной или круговой траектории, а также построены траектории перехвата и получены кривые обучения. Было проведено сравнение полученных управлений и траекторий, полученных при помощи численных методов с аналитическим решением. Также нейросетевое решение было проверено на чувствительность к изменению начальных параметров.