En entornos marinos complejos, los vehículos submarinos autónomos (AUVs) dependen de una navegación y posicionamiento robustos. Los algoritmos tradicionales enfrentan desafíos debido a valores atípicos en los sensores y ruido no gaussiano, lo que resulta en errores significativos en la predicción y divergencia del filtro. Los valores atípicos en las observaciones de los sensores también afectan la precisión del posicionamiento. El filtro de Kalman insípido original (UKF) basado en el criterio de error cuadrático medio mínimo (MMSE) sufre de degradación del rendimiento bajo estas condiciones. Este artículo mejora el algoritmo del filtro de Kalman insípido de entropía de error mínimo utilizando métodos Bayesianos variacionales (VB) y funciones de entropía mixtas. Al implementar la entropía de error mínimo (MEE) y funciones de núcleo mixtas en el UKF, se mejora la robustez del algoritmo bajo condiciones submarinas complejas. El método VB ajusta de forma adaptativa la covarianza del ruido de medición, mejorando la adaptabilidad a entornos marinos. Simulaciones y pruebas en el mar validan el rendimiento del algoritmo propuesto, mostrando mejoras significativas en la precisión de navegación y en el error cuadrático medio (RMSE). En entornos con ruido complejo, nuestro algoritmo mejora la precisión de navegación general en al menos un 10% en comparación con otros algoritmos existentes. Esto demuestra la alta precisión y robustez del algoritmo.