La asignación de tareas para agentes robóticos no tripulados especializados se aborda en este documento. Basado en las suposiciones de que cada agente robótico individual posee capacidades especializadas y que los objetivos que representan las tareas a realizar en el entorno circundante imponen requisitos específicos, el enfoque propuesto calcula probabilidades de ajuste tarea-agente para emparejar de manera eficiente los agentes robóticos disponibles con los objetivos detectados. El marco está respaldado por un método de aprendizaje profundo con capacidad de segmentación de instancias de objetos, Mask R-CNN, que se adapta para proporcionar reconocimiento de objetos objetivo y estimaciones de localización a partir de sensores de visión montados en los agentes robóticos. Se lleva a cabo una validación experimental para escenarios de búsqueda y rescate (SAR) en interiores, y los resultados demuestran la fiabilidad y eficiencia del enfoque propuesto.