Los algoritmos de Odometría Visual-Inercial (VIO) son ampliamente adoptados para la navegación autónoma de drones en entornos sin GNSS. Sin embargo, las configuraciones convencionales de VIO monocular y estereoscópico a menudo carecen de robustez en condiciones ambientales desafiantes o durante maniobras agresivas, debido a la sensibilidad de la información visual a la iluminación, la textura y el desenfoque de movimiento. En este trabajo, mejoramos un algoritmo VIO de código abierto existente para mejorar tanto la robustez como la precisión de la estimación de la pose. Primero, integramos un módulo de predicción de movimiento basado en IMU para mejorar el seguimiento de características a través de los fotogramas, particularmente durante movimientos a alta velocidad. En segundo lugar, extendemos el algoritmo para soportar una configuración de múltiples cámaras, lo que mejora significativamente el rendimiento de seguimiento en entornos de baja textura. Finalmente, para reducir la complejidad computacional, introducimos una estrategia de selección de características adaptativa que ajusta dinámicamente los umbrales de detección de acuerdo con el número de características detectadas. Los resultados experimentales validan los enfoques propuestos, demostrando mejoras notables tanto en precisión como en robustez en una variedad de escenarios desafiantes.