La principal preocupación de los sistemas de control remoto para vehículos terrestres autónomos (AGVs) es realizar la misión asignada de acuerdo con el propósito del operador. Aunque la mayoría de los sistemas remotos están compuestos por una arquitectura basada en pantallas, son insuficientes para transferir información suficiente al operador remoto. Por lo tanto, en este artículo, presentamos y validamos experimentalmente un sistema de detección de áreas de conducción anormales utilizando un filtro de modelo múltiple interactuante (IMM) para el sistema de control remoto. En el filtro IMM propuesto, el comportamiento dinámico desconocido del vehículo, que cambia según las variaciones en el entorno de conducción, se agrupó en un cambio de parámetro del modelo del sistema. Como resultado, podemos obtener la probabilidad de cada modelo que representa la fiabilidad de cada modelo, pero se puede utilizar un índice para inferir el estado actual del AGV y el entorno de conducción. El índice puede ayudarnos a detectar tanto el comportamiento inusual del AGV, como el deslizamiento o el patinaje, como áreas con condiciones de carretera de baja fricción que no están confirmadas por imágenes del sensor de cámara. Así, el operador remoto puede decidir directamente si continuar operando o no. El método propuesto es simple pero útil y significativo para el operador remoto en comparación con el método solo de imagen. El procedimiento general del método propuesto fue validado experimentalmente a través de un AGV multipropósito en un terreno de prueba sin pavimentar y áspero. Se descubrieron nueve áreas de conducción anormales en el terreno. En cinco de estas áreas, los vehículos exhibieron consistentemente un comportamiento de conducción anormal. Las cuatro áreas restantes se confirmaron como afectadas por variables como las condiciones climáticas y el desgaste de los neumáticos del vehículo.