Este estudio investiga el uso de redes generativas antagónicas (GAN) basadas en la augmentación de datos para mejorar la discretización de datos para una entrada de dron más suave. El objetivo es mejorar el rendimiento y la maniobrabilidad de los vehículos aéreos no tripulados (VANT) incorporando datos sintéticos de unidades de medida inerciales (IMU). El modelo GAN se emplea para generar datos sintéticos de IMU que se asemejan estrechamente a las mediciones reales de IMU. La metodología implica entrenar el modelo GAN utilizando un conjunto de datos de IMU reales y luego usar el modelo entrenado para generar datos sintéticos de IMU. Los datos sintéticos generados se combinan con los datos reales para la discretización de datos. La discretización de datos mejorada resultante se evalúa utilizando métricas estadísticas y una evaluación de similitud. La discretización de datos mejorada demuestra un rendimiento superior del dron en términos de estabilidad de vuelo, precisión de control y suavidad de movimientos en comparación con los métodos estándar de discretización de datos. Estos resultados destacan el potencial de la augmentación de datos basada en GAN para mejorar la discretización de datos y el rendimiento del dron. La propuesta de una discretización de datos mejorada ofrece un beneficio tangible para la integración exitosa de sistemas de Movilidad Aérea Avanzada (AAM). Mejorar la precisión y la fiabilidad de la adquisición y procesamiento de datos en los UAS hace que las operaciones de los UAS sean más seguras y fiables. Esta mejora es crucial para lograr el objetivo de operaciones automatizadas y autónomas en diversos entornos de asentamiento, abarcando múltiples modos de movilidad como el transporte terrestre y aéreo.