La navegación autónoma con patas en entornos no estructurados sigue siendo un problema abierto que requiere la capacidad de un agente inteligente para detectar y reaccionar ante posibles obstáculos en su área. Estos obstáculos pueden variar desde vehículos, peatones u objetos inmóviles en un entorno estructurado, como en la navegación por carreteras o ciudades, hasta obstáculos estáticos y dinámicos impredecibles en el caso de navegar en un entorno no estructurado, como un camino forestal. Este último escenario suele ser más difícil de manejar, debido a la mayor imprevisibilidad. En este artículo, proponemos un enfoque de dinámica visual para el problema de planificación de rutas y navegación de un robot cuadrúpedo, que navega en un entorno no estructurado, más específicamente en un camino forestal. Nuestro enfoque de dinámica visual se basa en una red neuronal recurrente que utiliza un sensor RGB-D como su fuente de datos, construyendo secuencias de observaciones anteriores del sensor de profundidad y prediciendo observaciones futuras en un intervalo de tiempo finito. Comparamos nuestro enfoque con otros métodos de vanguardia en algoritmos de planificación de rutas impulsados por obstáculos y realizamos estudios de ablación para analizar el impacto de los cambios arquitectónicos en los componentes de nuestro modelo, demostrando que nuestro enfoque logra un rendimiento superior en términos de generación exitosa de trayectorias libres de colisiones para el agente inteligente.