El aprendizaje federado (FL) se considera una técnica prometedora de aprendizaje automático que ha atraído cada vez más atención en los últimos años. En lugar de centralizar los datos en un solo lugar para entrenar un modelo global, FL permite que el entrenamiento del modelo ocurra en dispositivos de usuario, como teléfonos inteligentes, dispositivos IoT o servidores locales, respetando así la privacidad y seguridad de los datos. Sin embargo, implementar FL en comunicaciones inalámbricas enfrenta un desafío significativo debido a la imprevisibilidad inherente y a las constantes fluctuaciones en las características del canal. Un desafío clave en la implementación de FL en comunicaciones inalámbricas radica en la optimización de la eficiencia energética. Esto tiene una importancia significativa, especialmente teniendo en cuenta los dispositivos de usuario con recursos de energía restringidos. Por otro lado, las tecnologías de vehículos aéreos no tripulados (UAV) presentan una solución rentable debido a la flexibilidad y movilidad en comparación con las estaciones base terrestres. En consecuencia, el despliegue de la comunicación UAV en FL se considera un enfoque potencial para abordar el desafío de la eficiencia energética.