Los vehículos autónomos (VA) tienen el potencial de revolucionar el transporte al mejorar la seguridad, la eficiencia operativa y el impacto ambiental. Sin embargo, garantizar la fiabilidad y la seguridad en condiciones del mundo real sigue siendo un gran desafío. Basado en un examen en profundidad de 33 estudios revisados por pares (2015-2025), esta revisión sistemática organiza los avances en cinco dominios clave: detección y diagnóstico de fallos (DDF), evitación de colisiones y toma de decisiones, fiabilidad y resiliencia del sistema, validación y verificación (V&V), y evaluación de la seguridad. Integra perspectivas tanto a nivel de hardware como de software, con un enfoque en técnicas emergentes como la predicción de comportamiento bayesiano, el control consciente de la incertidumbre y la detección de fallos basada en conjuntos para mejorar la robustez operativa. A pesar de estos avances, esta revisión identifica desafíos persistentes, incluyendo la modelización de fallos limitada entre capas, la falta de verificación formal para componentes basados en aprendizaje y la escasez de conjuntos de datos de validación impulsados por escenarios. Para abordar estas brechas, este documento propone direcciones futuras como el aprendizaje automático verificable, modelos unificados de propagación de fallos, marcos de fiabilidad basados en gemelos digitales y modelización de amenazas ciberfísicas. Esta revisión ofrece una referencia integral para desarrollar sistemas de conducción autónoma certificables, conscientes del contexto y operativos en caso de fallo, contribuyendo al objetivo más amplio de garantizar un despliegue seguro y confiable de los VA.