La planificación de rutas eficiente y efectiva puede mejorar significativamente las capacidades de ejecución de tareas de los UAV en entornos complejos. Este documento propone un algoritmo de planificación de rutas basado en muestreo mejorado, Bi-APF-RRT*, que integra un método de Campo Potencial Artificial (APF) con un coeficiente repulsivo recién introducido e incorpora ajustes dinámicos del tamaño del paso. Para mejorar aún más el rendimiento de la planificación de rutas, el algoritmo introduce estrategias como el sesgo dinámico hacia el objetivo, el cambio de objetivo y la probabilidad de muestreo adaptativa basada en regiones. El algoritmo mejorado Bi-APF-RRT* controla efectivamente la dirección de muestreo y la distribución espacial durante el proceso de búsqueda de rutas, evitando óptimos locales y mejorando significativamente la tasa de éxito y la calidad de la planificación de rutas. Para validar el rendimiento del algoritmo, este documento realiza un análisis comparativo de Bi-APF-RRT* frente a RRT* tradicional en múltiples experimentos de simulación. Los resultados cuantitativos demuestran que Bi-APF-RRT* logra una reducción del 59.6% en el tiempo de computación promedio (de 5.97 s a 2.41 s), una longitud de ruta un 20.6% más corta (de 691.56 a 549.21) y un ángulo de ruta promedio más bajo (reducido de 33.28 grados a 29.53 grados), manteniendo una tasa de éxito del 100% en comparación con el 95% de RRT*. Además, Bi-APF-RRT* reduce el número promedio de nodos en el árbol de búsqueda en un 45.8% (de 381.17 a 206.5), mostrando capacidades más fuertes de evitación de obstáculos, una convergencia más rápida y una generación de rutas más suave en entornos 3D complejos. Los resultados destacan la robusta adaptabilidad y fiabilidad del algoritmo en la planificación de rutas de UAV.