La rápida expansión del Internet de las Cosas (IoT) y el Aprendizaje Automático (ML) ha aumentado significativamente la demanda de Servicios Basados en la Localización (LBS) en el mundo actual. Entre estos servicios, la localización y navegación en interiores han surgido como componentes cruciales, impulsando el crecimiento de sistemas de localización en interiores. Sin embargo, el uso de GPS en entornos interiores es impráctico, lo que ha llevado a un aumento del interés en el Indicador de Fuerza de la Señal Recibida (RSSI) y algoritmos basados en aprendizaje automático para la localización y navegación en interiores en los últimos años. Este artículo tiene como objetivo proporcionar una revisión exhaustiva de las tecnologías, aplicaciones y futuras direcciones de investigación de la localización en interiores basada en ML para ciudades inteligentes. Además, examina el potencial de los algoritmos de ML en mejorar la precisión y rendimiento de la localización en entornos interiores.