Los robots móviles autónomos (AMRs) están ganando popularidad en diversas aplicaciones como logística, manufactura y salud. Uno de los desafíos clave en implementar AMR es estimar con precisión su tiempo de viaje, lo cual es crucial para una operación y planificación eficientes. En este artículo, proponemos un enfoque novedoso para estimar el tiempo de viaje de AMR utilizando redes de Memoria a Corto y Largo Plazo (LSTM). Nuestro enfoque implica entrenar la red utilizando datos sintéticos generados en un entorno de simulación utilizando un gemelo digital del AMR, que es una representación virtual del robot físico. Los resultados muestran que la solución propuesta mejora la estimación del tiempo de viaje en comparación con un modelo matemático tradicional de referencia. Mientras que el método de referencia tiene un error del 6,12%, el enfoque LSTM tiene solo un 2,13%.