En entornos como la Liga de Tamaño Medio de RoboCup (MSL), la localización precisa y rápida de robots es crucial para una interacción autónoma efectiva. Este estudio aborda las limitaciones de los enfoques de localización convencionales, que a menudo se basan en sistemas de cámara única o sensores como LiDAR (Detección y Teledetección de Luz) e infrarrojo, mediante el desarrollo de una sólida solución de sistema multi-cámara basada en Inteligencia Artificial (IA). Este método utiliza múltiples redes neuronales, descomponiendo el problema aprovechando tanto métodos de clasificación como de regresión. La solución incluye una red neuronal de clasificación para detectar marcadores de campo, como intersecciones de líneas, y dos redes neuronales de regresión: una para calcular la posición de los marcadores y otra para determinar la posición del robot en tiempo real. Aprovecha ambos enfoques manteniendo el rendimiento, la precisión y la robustez deseados, simplificando el proceso de entrenamiento y adaptándolo a diferentes escenarios. Diseñado específicamente para satisfacer las demandas de alta velocidad y los requisitos de precisión de la robótica MSL, el sistema emplea técnicas de aumento de datos para garantizar la resistencia contra variaciones de iluminación, ángulos y posiciones. Los resultados muestran que este enfoque optimizado mejora la conciencia espacial y la precisión, prometiendo avances en el fútbol de robots. Más allá de las aplicaciones de MSL, este método tiene el potencial para usos más amplios en el mundo real que requieren una localización confiable y en tiempo real en entornos dinámicos.