Los robots móviles que son capaces de múltiples modos de locomoción pueden tener ventajas tangibles sobre los robots unimodales en entornos no estructurados y no homogéneos debido a su capacidad para adaptarse mejor a las condiciones locales. Este artículo considera específicamente el uso de un equipo de robots multimodales capaces de alternar entre modos de locomoción aérea y terrestre para escenarios de búsqueda y rescate en la naturaleza (WiSAR). Presenta un nuevo método de planificación de búsqueda que coordina a los miembros del equipo robótico para maximizar la probabilidad de localizar un objetivo móvil en la naturaleza, potencialmente, visto por última vez en un sendero conocido. Se asume que el área de búsqueda se expande con el tiempo y, por lo tanto, una búsqueda exhaustiva no es factible. Investigaciones anteriores sobre métodos de planificación de búsqueda para equipos de búsqueda heterogéneos aunque unimodales han explotado sinergias entre robots con diferentes habilidades locomotoras a través de la coordinación y/o cooperación. El trabajo sobre robots multimodales, por otro lado, se ha centrado principalmente en su diseño mecánico y control de bajo nivel. En contraste, nuestro trabajo reciente, presentado aquí, tiene dos componentes principales: (i) predicción del movimiento del objetivo en presencia de senderos conocidos en la naturaleza, y (ii) generación de trayectorias de búsqueda de robots multimodales guiadas por probabilidad. Para el primer subproblema, la novedad de nuestro trabajo radica en la formulación y uso de curvas de probabilidad en 3D para capturar distribuciones de objetivos bajo la influencia de senderos de caminata/excursión conocidos. Para el segundo, la novedad radica en el uso de una estructura de árbol para representar las decisiones involucradas en la planificación de búsqueda guiada por curvas de probabilidad multimodal, lo que permite que la generación de trayectorias y la selección de modos se optimicen simultáneamente, por ejemplo, a través de una técnica de búsqueda de árbol de Monte Carlo. Simulaciones extensas, algunas de las cuales se incluyen aquí, han demostrado que los equipos de búsqueda robótica multimodal, coordinados a través del método de planificación de trayectorias propuesto en este artículo, superan claramente a sus contrapartes unimodales en términos de tasas de éxito en la búsqueda.