Este artículo considera un pelotón homogéneo con vehículos que se comunican a través de canales propensos a la pérdida de datos. Los vehículos utilizan una topología de seguimiento de predecesores, donde cada vehículo envía datos relevantes al siguiente, y la pérdida de datos se modela a través de un proceso de Bernoulli. Para abordar la comunicación defectuosa, proponemos una estrategia para estimar los datos faltantes basada en el filtro de Kalman con observaciones intermitentes combinadas con una etapa de extrapolación lineal. Esta estrategia permite a los seguidores lidiar mejor con las interrupciones de datos. Comparamos este enfoque con uno basado puramente en la extrapolación lineal de datos anteriores. El rendimiento de ambas estrategias se analiza a través de simulaciones de Monte Carlo y experimentos en un banco de pruebas ad hoc, considerando varias probabilidades de pérdida de datos y de transmisión dependiendo de la distancia entre vehículos. Los resultados muestran que para los casos considerados, la estrategia propuesta supera al enfoque de extrapolación lineal en términos de seguimiento y varianzas de error de estimación. Nuestros resultados también muestran que la estrategia propuesta puede lograr estabilidad de cadena para la media y la varianza tanto para los errores de seguimiento como de estimación en escenarios donde la estrategia básica de extrapolación no puede.