无人机群通常都是室外进行操作是有原因的。对于无人机群来说，想要在狭小的空间里，在不撞到任何物体的情况下进行导航是很困难的一件事。不过加州理工学院的研究人员目前已经找到一种让无人机群在室内也能顺利工作的办法。
他们开发出一种名为GLAS的机器学习算法，能够让无人机群在拥挤且无地图的环境中进行导航。这个系统的运行原理是通过赋予机群中每个无人机一定程度的独立性，以让他们可以适应不断变化的环境。
不依靠于现有的地图或是无人机中已存的路线，GLAS让每台设备在与另一台设备协调的同时，自己独立学习如何在给定的空间内进行导航。这种去中心化模型不仅能够让无人机执行即兴发挥的操作，同时也让机群的扩大或缩小变得更加容易，因为这个算法是同时分布在很多设备上的。
此外，基于此算法的另一项成果，追踪控制器Neural－Swarm也可以帮助无人机补偿空气动力学的相互作用，比如无人机从头顶飞过时产生的气流下冲。它比常见的不考虑空气动力学的商业控制器更可靠，跟踪误差也小得多。
这项成果除了对无人机灯光表演很有用，对无人机其他更重要的应用亦然。无人机救援队可以安全地搜索营救区域，而自动驾驶汽车也可以将交通堵塞和碰撞的可能性降到最低。
研究人员表示，可能还需要一段时间才能将这项技术在实验室外投入使用。
