La utilización de Vehículos Aéreos No Tripulados (VANT) en misiones como reconocimiento y vigilancia ha crecido rápidamente, subrayando la necesidad de algoritmos de planificación de rutas eficientes que aseguren tanto la optimalidad como la evitación de colisiones. El algoritmo A-star se utiliza ampliamente para la planificación de rutas globales debido a su capacidad para generar rutas óptimas; sin embargo, su alto costo computacional lo hace inadecuado para aplicaciones en tiempo real, particularmente en entornos desconocidos o dinámicos. Para la planificación de rutas locales, el algoritmo de Campo Potencial Artificial (APF) permite la navegación en tiempo real al atraer el VANT hacia el objetivo mientras lo repele de los obstáculos. A pesar de su eficiencia, el APF sufre de mínimos locales y un rendimiento limitado en entornos dinámicos. Para abordar estos desafíos, este documento propone el algoritmo de Campo Potencial Guiado por A-star (AGPF), que integra las fortalezas de A-star y APF para lograr un rendimiento robusto tanto en la planificación de rutas globales como locales. El algoritmo AGPF fue validado a través de simulaciones realizadas en el entorno del Sistema Operativo de Robots (ROS). Los resultados de las simulaciones demuestran que AGPF produce rutas más suaves y óptimas que A-star, mientras evita los problemas de mínimos locales inherentes al APF. Además, AGPF maneja eficazmente obstáculos en movimiento y previamente desconocidos al generar trayectorias de evitación en tiempo real, demostrando una fuerte adaptabilidad en entornos dinámicos e inciertos.