En tareas de exploración colaborativa al aire libre, múltiples robots requieren métodos de planificación de rutas eficientes para garantizar una construcción rápida y completa del mapa. Sin embargo, los algoritmos de mapeo colaborativo actuales a menudo se integran mal con la planificación de rutas, especialmente en condiciones de comunicación limitada. Tales condiciones pueden complicar el intercambio de datos, lo que lleva a ineficiencias y áreas perdidas en entornos del mundo real. Este documento presenta un enfoque de planificación de rutas diseñado específicamente para tareas de mapeo colaborativo distribuido, con el objetivo de mejorar la completitud del mapa, la eficiencia del mapeo y la robustez de la comunicación bajo restricciones de comunicación. Enmarcamos toda la tarea como un Problema del Cartero Chino k (k-CPP) y lo optimizamos utilizando un algoritmo genético (GA). Este método aprovecha completamente los mapas topológicos para planificar de manera eficiente subrutas para múltiples robots, asegurando una cobertura exhaustiva del área de mapeo sin necesidad de mapas de navegación previos. Además, incorporamos restricciones de comunicación en nuestra planificación de rutas para garantizar un intercambio de datos estable entre robots en entornos con capacidades de comunicación solo a corta distancia. Los resultados de experimentos de campo destacan el rendimiento superior de nuestro método en términos de estabilidad, eficiencia y comunicación robusta entre robots.