Los Vehículos Aéreos No Tripulados (VANT) se están utilizando cada vez más en entornos peligrosos y dinámicos, donde la planificación de rutas requiere equilibrar objetivos en competencia más allá de la simple minimización de la distancia. Los planificadores clásicos como Dijkstra, A* y RRT* generan rutas de manera eficiente, pero a menudo pasan por alto los compromisos específicos de la misión que involucran el uso de energía, la evitación de riesgos y la maximización de recompensas. Este trabajo propone un marco de evaluación unificado que integra planificadores basados en cuadrículas (Dijkstra, A*, A* ponderado) y planificadores basados en muestreo (RRT, CARRT*) dentro de entornos parametrizados que incorporan una variedad de funciones en zonas de penalización y recompensa. Se aplica una función de costo global, J=alphaL+betaE+P-R, de manera post hoc para desacoplar la generación de rutas de la priorización de la misión, lo que permite una reevaluación rápida bajo objetivos cambiantes como escenarios de bajo combustible, alta seguridad o prioridad de velocidad. Los experimentos realizados en una CPU Apple M2, repetidos tres veces por configuración para garantizar la robustez estadística, demuestran que CARRT* logra los costos de misión más bajos y la mayor eficiencia para misiones sensibles al combustible y al tiempo, mientras que los planificadores deterministas basados en cuadrículas funcionan mejor en contextos orientados a la seguridad y la recompensa en cuatro entornos. Estos hallazgos indican que la planificación óptima de rutas para VANT depende no solo de la eficiencia algorítmica, sino también de alinear la elección del planificador con las prioridades de la misión. El marco proporciona una metodología reproducible para la evaluación y el despliegue de estrategias de planificación de rutas conscientes de la misión en entornos de investigación y operativos.