[pt] Quadricópteros vêm sendo o objeto de estudo de inúmeras pesquisas ao redor do mundo. Diversas técnicas de controle já foram desenvolvidas, cada uma com seus prós e contras, objetivando o aprimoramento do desempenho destes veículos aéreos na consecução de tarefas específicas. Este trabalho foca na comparação de características de desempenho de técnicas de controle aplicadas a quadricópteros. Este trabalho mostra o projeto de controles modernos aplicados à quadricópteros apresentando tais técnicas, iniciando com a realimentação de estados com polos dominantes, passando pelo controle Linear Quadratic Regulator (LQR). Por sua vez, visando otimizar o desempenho das técnicas de controle aqui estudadas, foram aplicadas técnicas de inteligência computacional para resolver um problema de otimização do LQR e para auxiliar no controle de forças dos rotores. Apresenta-se o projeto de um controle PID, que será usado como referência para as demais técnicas analisadas. O controle por realimentação de estados citado anteriormente obteve bons resultados. O tempo de assentamento foi o menor para o eixo Z, overshoots e o erro em regime permanente, os menores para os eixos X e Y. O controlador Fuzzy conseguiu fazer seu papel auxiliando a movimentação do quadricóptero. O GA otimizou o tempo de assentamento do LQR. Esse controle conseguiu alcançar os menores tempos de assentamento para os eixos X e Y, sendo mais rápido que a configuração original do LQR, escolhida por heurísticas. Com esse trabalho foi possível notar que os controladores modernos, realimentação de estado e LQR, tem um desempenho melhor que o controle PID de referência. / [en] Quadcopters are researched all over the world. A lot of techniques had been developed and many others a blistering, each one with their pros and cons. The focus of this work is the comparison between the performance of some techniques most used in quadcopters, qualifying these techniques. This work shows the designing process of a quadcopter controllers, starting with state feedback with dominant poles and going to the Linear Quadratic Regulator controller. Focusing on optimizing the performance of those control strategies, computational techniques were used to solve an LQR optimization problem and to help choose the best inputs for the rotors. This work presents a PID controller that will be used as a reference for comparison. The state feedback controller with the Fuzzy position control performed very well, being the fastest one to settle on the Z axis, having the least overshoots and the lowest steadystate errors for the X and Y axes. The Fuzzy controller did what was supposed to do, smoothing and enabling a precise movement for the quadcopter. The GA also did what was supposed to do and improved the settling time for the LQR controller. It showed that it was a nice way to tune the Q and R matrixes, allowing the controller to be the fastest one to settle in the X and Y axes. As a result of this work, the modern control techniques, state feedback and LQR, performance better than the classic PID controller, used as reference.