La incorporación de Inteligencia Artificial (IA) en robotica permitió disponer de capacidades cognitivas que mejoraron sus desempeños en multiples aplicaciones. A partir de investigaciones de la Neurociencia, se sabe que la información es procesada a nivel neuronal mediante impulsos eléctricos, que luego son transportados a las neuronas vecinas mediante procesos electroquımicos. Este descubrimiento inspiro el desarrollo de las redes neuronales artificiales, y entre ellas, las denominadas Redes Neuronales Spiking (RNS). Con el prop´ osito de implementar RNS a nivel hardware, con circuitos electrónicos cuyo comportamiento sea equivalente al de las estructuras neurobiologicas del sistema nervioso, en este trabajo presentamos el modelo Leaky Integrate-and-Fire, que es ampliamente utilizado en RNS. La capacidad de memoria necesaria para almacenar pesos sinapticos luego de los entrenamientos se implement´ o con memristores. Este resistor con memoria es considerado el cuarto elemento pasivo de la electronica. Hemos seleccionado como caso de estudio para probar estas ideas, un sistema de localización y mapeo simultáneos (SLAM) de inspiración biologica, conocido como Rat-SLAM, para ser evaluado en un robot móvil autonomo (RMA). En efecto, la investigación del cerebro de los roedores, permitió conocer la existencia de zonas encargadas de la localización y orientación espacial, que aprovecharemos en los modulos de guiado y navegación del RMA. Para ´ esto, en este trabajo proponemos un tipo de RNS, las Memristive Leaky Integrate-and-Fire (MLIF) para conformar las pose cells del Rat-SLAM.