Las Redes Bayesianas (BN) son modelos probabilísticos que se utilizan comúnmente para el diagnóstico en numerosos ámbitos (medicina, finanzas, transporte, robótica). En el caso de los vehículos autónomos, pueden contribuir a elaborar monitores inteligentes que puedan tener en cuenta el contexto ambiental. Mostramos en este documento algunas habilidades principales de las BN que pueden ayudar en la elaboración de módulos de detección, aislamiento y recuperación de fallos (FDIR). Una de las principales dificultades con el modelo BN suele ser elaborarlos según el caso de estudio. Por lo tanto, proponemos algunas técnicas de generación automática a partir de tablas similares al análisis de modos y efectos de falla (FMEA) utilizando el enfoque de diseño de patrones. Una vez definidos, estos módulos deben operar en línea para vehículos autónomos. En una segunda parte, proponemos una metodología de diseño para incrustar las implementaciones en tiempo real y no intrusivas de los módulos BN utilizando el soporte FPGA-SoC. Mostramos que la implementación en FPGA puede ofrecer una aceleración interesante con un costo energético muy limitado. Por último, mostramos cómo estos módulos BN pueden incorporarse al modelo de toma de decisiones para la planificación de misiones de vehículos aéreos no tripulados (UAVs). Ilustramos la integración mediante dos modelos: el modelo de Red de Decisiones que es una extensión directa del modelo BN, y el modelo BFM que es una extensión del modelo de toma de decisiones de Proceso de Decisión de Markov (MDP) que incorpora una BN. Ilustramos las diferentes propuestas con ejemplos realistas y mostramos que la implementación híbrida en FPGA-SoC puede ofrecer algunos beneficios.