Con la llegada y rápido crecimiento de la automatización, los vehículos terrestres no tripulados (UGVs) han surgido como una tecnología crucial, con aplicaciones que abarcan diversos ámbitos, desde la agricultura hasta la vigilancia, la logística y las operaciones militares. Junto con este aumento en la utilización de la robótica, surgen inevitablemente complicaciones novedosas, planteando preguntas desafiantes y desafíos a los sectores académico y tecnológico. Uno de estos desafíos apremiantes es el problema de planificación de rutas de cobertura (CPP), particularmente la noción de optimizar la utilización de energía de UGV durante la planificación de rutas, un aspecto significativo pero relativamente inexplorado dentro del panorama de investigación. Mientras que numerosos estudios han propuesto soluciones para CPP con un solo UGV, la introducción de múltiples UGVs en un mismo entorno revela un conjunto único de desafíos. Una preocupación primordial en CPP de múltiples UGVs es la asignación y división efectiva del área entre los UGVs. Para abordar este problema, proponemos un enfoque innovador que primero segmenta el área en múltiples subáreas, las cuales luego se asignan a los UGVs individuales. Nuestra metodología emplea árboles de expansión afinados para minimizar el número de giros durante la navegación, lo que resulta en rutas de cobertura más eficientes y conscientes de la energía. A diferencia de la investigación existente que se centra en modelos que asignan sin optimización, nuestro modelo utiliza una función de costo consciente del terreno y un módulo de replanificación de rutas adaptativo, lo que conduce a una solución de planificación de rutas más flexible, efectiva y eficiente en energía. Una serie de simulaciones demostraron la robustez y eficacia de nuestro enfoque, destacando su potencial para mejorar significativamente la resistencia y la efectividad de la misión de UGV, incluso en condiciones de terreno desafiantes. La solución propuesta proporciona una contribución sustancial al campo de la planificación de rutas de UGV, abordando una brecha crucial y mejorando el cuerpo de conocimientos en torno a CPP eficiente en energía para escenarios de múltiples UGVs.