Esta investigación se centra en mejorar la localización cooperativa para robots móviles heterogéneos compuestos por un cuadricóptero y un vehículo terrestre no tripulado. El estudio emplea técnicas de fusión de sensores, particularmente el Filtro de Kalman Extendido, para fusionar datos de varios sensores, incluidos GPS, IMUs y cámaras. Al integrar estos sensores y optimizar las estrategias de fusión, la investigación tiene como objetivo mejorar la precisión y la fiabilidad de la localización cooperativa en entornos complejos y dinámicos. El objetivo principal es desarrollar un marco práctico para la localización cooperativa que aborde los desafíos planteados por las diferencias en movilidad y capacidades de detección entre robots heterogéneos. La fusión de sensores se utiliza para compensar las limitaciones de los sensores individuales, proporcionando resultados de localización más precisos y robustos. Además, un análisis comparativo de diferentes combinaciones de sensores y estrategias de fusión ayuda a identificar la configuración óptima para cada robot. Esta investigación se centra en la mejora de la localización cooperativa, la planificación de rutas y las tareas colaborativas para robots heterogéneos. Los hallazgos tienen amplias aplicaciones en campos como el transporte autónomo, la operación agrícola y la respuesta a desastres, donde la cooperación de diversas plataformas robóticas es crucial para el éxito de la misión.