Los UAV multirrotor se utilizan para un amplio espectro de aplicaciones civiles y de dominio público. Sus controladores de navegación incluyen conjuntos de sensores a bordo que facilitan el vuelo, la operación y la funcionalidad autónoma o semiautónoma de los multirrotores en condiciones nominales y adversas, así como ante perturbaciones externas, incluso al volar en entornos inciertos y dinámicamente cambiantes. Durante la última década, dada la potencia computacional disponible, se han derivado, implementado y probado diferentes algoritmos basados en el aprendizaje para navegar y controlar, entre otros sistemas, los UAV multirrotor. Los algoritmos de aprendizaje se han utilizado y se utilizan para derivar modelos basados en datos, identificar parámetros, rastrear objetos, desarrollar controladores de navegación y aprender sobre los entornos en los que operan los multirrotores. Los algoritmos de aprendizaje combinados con técnicas de control basadas en modelos han demostrado ser beneficiosos cuando se aplican a los multirrotores. Esta encuesta resume la investigación publicada desde 2015, dividiendo algoritmos, técnicas y metodologías en categorías de aprendizaje offline y online, y luego clasificándolos en subcategorías de aprendizaje automático, aprendizaje profundo y aprendizaje por refuerzo. Una parte integral y el enfoque de esta encuesta son los algoritmos de aprendizaje online aplicados a los multirrotores, con el objetivo de registrar el tipo de técnicas de aprendizaje que son implementables en tiempo real duro o casi duro, así como entender qué información se aprende, por qué, cómo y qué tan rápido. El resultado de la encuesta ofrece una comprensión clara del estado del arte reciente y del tipo y clase de algoritmos basados en el aprendizaje que pueden ser implementados, probados y ejecutados en tiempo real.