Los vehículos aéreos no tripulados (VANT) pueden colaborar en equipos para lograr diversos objetivos de misión, como la búsqueda y el seguimiento de objetivos. Este documento presenta un método que aprovecha la información acumulada sobre la densidad de objetivos a lo largo de una misión de VANT para adaptar las recompensas de planificación de rutas, guiando a los VANT hacia áreas con una mayor probabilidad de presencia de objetivos. La densidad de objetivos se modela utilizando un proceso gaussiano, que se actualiza de manera iterativa a medida que los VANT exploran el entorno. A diferencia de los algoritmos de búsqueda convencionales que priorizan las regiones no exploradas, este enfoque incentiva la re-visita a áreas ricas en objetivos. La información sobre la densidad de objetivos se comparte entre los VANT utilizando filtros de consenso descentralizados, lo que permite una selección de rutas cooperativa que equilibra la exploración de regiones inciertas con la explotación de áreas de alta densidad conocidas. El marco presentado en este documento proporciona un método de búsqueda cooperativa adaptativa que puede desarrollar rápidamente una comprensión de las áreas densas en objetivos de la región, ayudando a los VANT a refinar su búsqueda. A través de simulaciones de Monte Carlo, demostramos este método tanto en una región de cuadrícula 2D como en redes viales, mostrando hasta un 26% de mejora en las estimaciones de densidad de objetivos.