El problema abordado en el presente documento es el diseño de un controlador basado en una red neuronal evolutiva para el vuelo autónomo en sistemas de quadrotor. El objetivo del controlador es gobernar el quadcopter de tal manera que alcance una posición específica, teniendo en cuenta las limitaciones de actitud durante el vuelo y al llegar a un objetivo. Dada la naturaleza compleja de los quadcopters, se diseñó una arquitectura de red neuronal adecuada y un algoritmo de entrenamiento para guiar un quadcopter hacia un objetivo. El controlador diseñado se implementó como un único perceptrón multicapa. Con base en el estado actual del quadcopter, el neurocontrolador desarrollado produce los valores correctos de velocidad de rotor, optimizados en términos de cumplimiento de las limitaciones de actitud y velocidad. El entrenamiento de la red neuronal se completó utilizando un algoritmo evolutivo personalizado cuyo diseño puso un énfasis particular en la definición de la función de costo. El neurocontrolador desarrollado fue probado en simulación para hacer que un quadcopter siguiera de manera autónoma un camino complejo. Los resultados simulados obtenidos muestran que el neurocontrolador logra seguir sin esfuerzo varios tipos de caminos con una precisión adecuada mientras mantiene bajos tiempos de viaje.