Palabras clave: Fusión de datos, filtros de Kalman, filtros de Kalman distribuidos, odometría, localización de robots, robots móviles, sistemas basados en eventos, estimación basada en eventos, comunicación basada en eventos, localización cooperativa, sistemas sensoriales, fusión sensorial multirobot, LEGO NXT.Subvenciones: Este trabajo ha sido financiado parcialmente por el Ministerio de Ciencia e Innovación de España bajo los proyectos FEDER/CICYT de investigación DPI2008-06737-C02-01 y DPI2010-20814-C02-02. Además se agradece el soporte financiero por parte de la Universidad de Costa Rica.iv v Aquest mètode a més a més permet fer una fusió sensorial intel·ligent, tenint en compte únicament la informació relativa més fiable, descartant mesures poc precises o procedents de robots molt allunyats.Els algorismes proposats han estat provats extensivament mitjançant simulació i a distintes plataformes mòbils a les quals s'observa el bon acompliment d'objectius per part d'aquests. Es presenten a més a més execucions de llarga durada que comproven l'estabilitat i robustesa del mètode en llargues distàncies. Addicionalment s'analitza, al cas del mètode de localització cooperativa, la relació de compromís entre la covariància de l'error d'estimació i l'ús d'ample de banda en emprar l'algorisme proposat.S'exposa finalment les possibilitats d'ampliació del present treball a àrees com mapeig i localització simultània, ajust del mètode a plataformes omnidireccionals, implementació a distints grups heterogenis de robots i l'estudi de distintes definicions alternatives d'esdeveniments i el seu efecte a l'acompliment de la localització.Paraules clau: Fusió de dades, filtres de Kalman, filtres de Kalman distribuïts, odometria, localització de robots, robots mòbils, sistemes basats en esdeveniments, estimació basada en esdeveniments, comunicació basada en esdeveniments, localització cooperativa, sistemes sensorials, fusió sensorial multirobot, LEGO NXT. Subvencions: Subvencions: Aquest treball ha estat finançat parcialment pel Ministerio de Ciencia e Innovación de España baix els projectes FE-DER/CICYT d'investigació ABSTRACT Localization, the process of obtaining and processing the information of the robot pose in the movement space, is a fundamental issue in autonomous mobile robots as this information is required to determine the desired robot movements. For this task, all the available sensor sources must be used in order to reduce the error in the pose estimation, as the measurements are subject to noise and nonlinearities.The formulation of a new sensor fusion framework that improves the localization of mobile robots with limited computational resources, navigating individually in the environment or in assembled heterogeneous groups, is the central and fundamental issue of this thesis.The proposed algorithms use the dynamic model of an Ackermann and a differential steering mobile robots, along with the Kalman Filter fusion scheme to perform the local pose estimation using the inertial sensors measurements, which is updated ...