Este artículo tiene como objetivo abordar el problema de seguimiento de trayectoria de quadrotors en entornos dinámicos complejos y fluctuaciones significativas en los estados del sistema. Se propone un método de control adaptativo de seguimiento de trayectoria basado en un controlador de Integral de Trayectoria Predictiva de Modelo (MPPI) mejorado y una red neuronal de Perceptrón Multicapa (MLP). La técnica mejora la precisión y robustez del control al ajustar las entradas de control en tiempo real. La red neuronal de Perceptrón Multicapa puede aprender la dinámica de un quadrotor a partir de su parámetro de estado y luego el Perceptrón Multicapa envía el modelo al controlador de Integral de Trayectoria Predictiva de Modelo. El controlador de Integral de Trayectoria Predictiva de Modelo utiliza el modelo para controlar el quadcopter siguiendo la trayectoria deseada. Los datos experimentales muestran que el método mejorado de Integral de Trayectoria Predictiva de Modelo-Perceptrón Multicapa reduce el error de seguimiento de trayectoria en un 23.7%, 34.7% y 10.3% en comparación con el Integral de Trayectoria Predictiva de Modelo tradicional, MPC con MLP y una red de dos capas, respectivamente. Estos resultados demuestran la posible aplicación del método en entornos complejos.