Esta tesis trata el tema de la exploración autónoma de entornos desconocidos mediante robots móviles. En ella se presenta el estado del arte en la materia y se clasifican las técnicas de exploración de acuerdo al nivel de cooperación y de integración con el SLAM. También se presenta una comparativa de las múltiples técnicas mediante un software diseñado para tal efecto. Los resultados muestran las técnicas que mejor se adaptan a diferentes requerimientos. Además, la tesis presenta dos nueva técnicas de exploración coordinadas e integradas. La primera técnica es a nuestro conocimiento la primera técnica de exploración multi-robot reactiva basada en comportamientos que se integra con el algoritmo de SLAM. Dicha forma de integración consiste en volver a zonas exploradas previamente cuando la incertidumbre en la localización es alta. El robot almacena su pose cuando la localización es muy buena, de esta forma es capaz de regresar a dichas poses para reducir su incertidumbre. Sin embargo, se observó una pérdida de eficiencia causada por la aparición de mínimos locales en el campo de potencial asociado al modelo basado en comportamientos. Además, la técnica no es completamente escalable a grandes superficies dado que se tiene que procesar el mapa completo en tiempo real. En este sentido, se desarrolló una segunda técnica que solventa dichos problemas. Esta técnica se basa en una arquitectura híbrida reactiva/deliberativa en la que el control reactivo basado en comportamientos se limita a una región local del entorno. Este nuevo diseño evita mínimos locales y dado que no requiere el mapa completo para el control reactivo es completamente escalable. Un planificador deliberativo se encarga de la planificación a largo plazo. Con este fin, el mapa se subdivide empleando un árbol cuyos nodos representan posiciones con una región asociada. Este árbol se emplea para decidir si el robot debe explorar el entorno localmente o moverse hacia un objetivo a largo plazo. Finalmente, la tesis presenta tres aplicaciones. En la primera se estudia el problema de realizar una búsqueda automática en un entorno desconocido empleando un sistema de control colaborativo en el que los robot reciben órdenes de un operador. De esta forma, el robot considera otros factores como, por ejemplo, la incertidumbre en la localización. El segundo caso de aplicación muestra el estudio del problema de búsqueda de agentes dinámicos. En este caso, se desarrolla un filtro bayesiano que genera un mapa con la probabilidad para encontrar agentes en cada celda. Una adaptación del planificador del modelo de exploración híbrido se emplea aquí para planificar trayectorias con este nuevo mapa que lleven al robot a aquellas áreas donde es probable encontrar agentes. El tercer caso de aplicación  estudia el problema de navegación en entornos urbanos. Específicamente se centra en el problema de navegar por la acera de forma segura. Para ello se propone una solución para evitar caer de la acera y una estrategia de navegación consistente en una exploración direccional que planifica trayectorias en linea recta evitando salirse de la acera en un vado o en entradas de tiendas o garajes.