El desgaste de herramientas es un fenómeno inevitable en el proceso de mecanizado. Al monitorear el estado de desgaste de una herramienta, el sistema de mecanizado puede dar una advertencia temprana y tomar decisiones anticipadas, lo que garantiza de manera efectiva una mejor calidad de mecanizado y eficiencia de producción. En las últimas dos décadas, los académicos han realizado investigaciones extensas sobre el monitoreo del desgaste de herramientas (TWM) y han obtenido una serie de logros de investigación notables. Sin embargo, los modelos basados en la física tienen dificultades para predecir el desgaste de herramientas con precisión. Mientras tanto, la diversidad de los entornos de mecanizado reales limita aún más la aplicación de modelos físicos. Los modelos impulsados por datos pueden establecer la relación de mapeo profundo entre las señales y el desgaste de herramientas, pero solo se ajustan bien a los datos entrenados. Aún tienen dificultades para adaptarse a condiciones de mecanizado complejas. En este artículo, se revisan en detalle los modelos TWM basados en la física y en datos, incluidos los factores que afectan el desgaste de herramientas, los modelos típicos basados en datos y los métodos para extraer y seleccionar características. Luego, se resumen sistemáticamente los puntos de investigación más destacados, emergiendo modelos de fusión de datos y física.