Para abordar las deficiencias del algoritmo original de árbol aleatorio de exploración rápida (RRT), como caminos largos y no suaves, convergencia lenta a la región objetivo y limitada adaptabilidad en entornos dinámicos, este artículo propone un método híbrido de planificación de trayectorias que combina el enfoque de campo potencial artificial (APF) con el algoritmo RRT. Este enfoque integrado aprovecha las fortalezas de ambos métodos para lograr una planificación eficiente y libre de colisiones en entornos bidimensionales y tridimensionales. El algoritmo supera el problema de los mínimos locales inherente en APF mientras mantiene la eficiencia de RRT en espacios de alta dimensión y entornos complejos. Se introduce una estrategia de ajuste dinámico para adaptarse a escenarios de aplicación específicos y a la complejidad ambiental variable. Además, se aplica el ajuste de curvas de Bezier para suavizar las trayectorias resultantes. Las simulaciones realizadas en varios entornos demuestran la efectividad del método propuesto, destacando su eficiencia y robustez en la generación de trayectorias libres de colisiones. En comparación con el algoritmo RRT original, el método propuesto reduce la longitud de la trayectoria en un 13,4% a 24,9% y disminuye el tiempo de búsqueda en un 9,8% a 56,5%, mejorando tanto la calidad de la trayectoria como la eficiencia de la planificación.