La naturaleza dinámica del vuelo de quadrotor introduce una incertidumbre significativa en los parámetros del sistema, como los factores de empuje y resistencia. En consecuencia, los operadores enfrentan desafíos crecientes en la implementación de acciones de control en tiempo real. Este estudio presenta un enfoque para estimar el modelo dinámico de Vehículos Aéreos No Tripulados basado en Redes Neuronales Informadas por la Física (PINNs), que es de suma importancia debido a la presencia de datos inciertos y dado que se requieren acciones de control en tiempos de computación muy cortos. En este sentido, al incluir leyes físicas en las redes neuronales, las PINNs ofrecen el potencial para abordar varios problemas, como las altas no linealidades en sistemas de baja inercia, el elevado ruido de medición y las restricciones en la disponibilidad de datos o incertidumbres, al tiempo que garantizan la robustez de la solución, asegurando así resultados efectivos en poco tiempo, una vez que se ha realizado el entrenamiento de la red y sin necesidad de ser reentrenada. La efectividad del método propuesto se demuestra en un entorno de simulación con datos reales y se compara con una técnica de vanguardia, como el Filtro de Kalman Extendido (EKF). Los resultados muestran que el estimador propuesto supera al EKF tanto en términos de la eficacia de la solución como en el tiempo de computación.