Dadas múltiples fuentes de datos estacionarias generalizadas, como sensores terrestres, un vehículo aéreo no tripulado puede sobrevolar los sensores y recopilar los datos a través de un enlace inalámbrico. Los criterios de rendimiento para tal red pueden incorporar costos como la longitud de la trayectoria del avión o la energía requerida por los sensores para la transmisión de radio. La planificación se ve obstaculizada por la compleja dinámica del vehículo y la comunicación, así como por la incertidumbre en las ubicaciones de los sensores, por lo que desarrollamos una técnica basada en el aprendizaje sin modelo. Presentamos un método de optimización estocástica que permite al avión transportador de datos optimizar las trayectorias de recolección de datos a través de un entorno desconocido in situ, eludiendo la necesidad de identificación del sistema. Comparamos dos representaciones de trayectoria, una que aprende trayectorias casi óptimas con bajos requisitos de datos pero que falla con altos requisitos, y otra que sacrifica algo de rendimiento a cambio de una garantía de recolección de datos. Con cualquiera de las codificaciones, el ferry puede aprender trayectorias significativamente mejoradas en comparación con heurísticas alternativas. Para demostrar la versatilidad del enfoque de aprendizaje sin modelo, también aprendemos una política para minimizar la energía de transmisión de radio requerida por los nodos de sensores, lo que permite prolongar la vida útil de la red.