El presente proyecto aborda el diseño de un controlador de navegación segura para un vehículo autónomo a escala. En particular, se trabaja con la plataforma F1Tenth, un sistema de investigación basado en vehículos autónomos de escala 1:10, utilizado para el desarrollo y prueba de algoritmos de navegación autónoma en entornos controlados. El objetivo del proyecto es garantizar la detección y prevención de colisiones mientras se optimiza el desempeño del vehículo en entornos simulados. Para ello, se integró un sistema de percepción basado en LiDAR, se implementó un esquema de planificación de trayectorias utilizando SLAM, el algoritmo D* y un proceso de suavizado con splines cúbicos, y se diseñó un Control Predictivo Basado en Modelo (MPC) para optimizar la trayectoria en tiempo real. El sistema fue evaluado en simulaciones dentro de ROS 2 Humble y sus herramientas Gazebo y Rviz, creando pistas modeladas basadas en circuitos de la competencia F1Tenth. Se analizó métricas como la entropía del mapa de ocupación, la curvatura de la trayectoria y el error cuadrático medio (MSE) del seguimiento. Los resultados demostraron que el sistema es capaz de completar múltiples vueltas sin incidentes, con un MSE menor a 0.08 m y una velocidad promedio de hasta 1.87 m/s. Se concluye que la combinación de SLAM, planificación offline y MPC permite una navegación segura y eficiente. No obstante, se recomienda completar la integración del sistema en hardware embebido para validar su desempeño en pruebas reales. Palabras Clave: Navegación autónoma, SLAM, planificación de trayectorias, MPC, F1Tenth.