Para abordar las limitaciones de baja utilización de nodos y adaptabilidad insuficiente en entornos complejos encontradas por los algoritmos de Rapidly-exploring Random Tree (RRT) durante la fase de expansión, este estudio presenta un algoritmo mejorado de planificación de trayectorias - AODA-PF-RRT* (Ajuste Adaptativo de Densidad de Obstáculos-PF-RRT*). El algoritmo propuesto implementa una estrategia de extensión aleatoria para nodos que no superan la detección de colisiones, mejorando así la eficiencia de los nodos. Además, divide dinámicamente el área que rodea a los puntos de muestreo y calcula la densidad local de obstáculos en tiempo real. Al aprovechar esta información de densidad, el algoritmo ajusta de manera flexible tanto el número de puntos de expansión como el umbral de dicotomía, mejorando significativamente su capacidad de respuesta a cambios ambientales. Demostramos rigurosamente la completitud probabilística y la optimalidad asintótica del algoritmo. Los resultados de simulación y de evaluación comparativa demuestran que el algoritmo AODA-PF-RRT* no solo genera trayectorias suaves y de alta calidad en comparación con los algoritmos existentes, sino que también mantiene costos computacionales bajos en entornos complejos, mostrando una estabilidad y robustez excepcionales.