La rápida integración de vehículos aéreos no tripulados (VANT) en los sistemas inalámbricos de próxima generación exige mecanismos de traspaso (HO) sin interrupciones y fiables para garantizar una conectividad continua. Sin embargo, los cambios frecuentes en la topología, la alta movilidad y las variaciones dinámicas del canal hacen que los esquemas de HO tradicionales sean inadecuados para las redes 6G asistidas por VANT. Este documento presenta una revisión exhaustiva de los estudios existentes sobre optimización de HO, enfatizando los enfoques de inteligencia artificial (IA) y aprendizaje automático (ML) como habilitadores de una gestión de movilidad inteligente. Los trabajos analizados se clasifican en tres escenarios principales: HOs no VANT, VANT actuando como estaciones base aéreas y VANT operando como equipos de usuario, cada uno examinado bajo paradigmas tradicionales basados en reglas y basados en IA/ML. Las perspectivas comparativas revelan que, si bien los métodos convencionales siguen siendo efectivos para entornos estáticos o de baja movilidad, los enfoques impulsados por IA y ML mejoran significativamente la adaptabilidad, la precisión de predicción y la robustez general de la red. Técnicas emergentes como el aprendizaje por refuerzo profundo y el aprendizaje federado (FL) demuestran un fuerte potencial para decisiones de HO proactivas, escalables y energéticamente eficientes en los futuros ecosistemas 6G. El documento concluye delineando los principales problemas abiertos e identificando direcciones futuras hacia marcos de aprendizaje híbridos, distribuidos y conscientes del contexto para una gestión resiliente del HO habilitada por VANT.