無人機群通常都是室外進行操作是有原因的。對于無人機群來說，想要在狹小的空間里，在不撞到任何物體的情況下進行導航是很困難的一件事。不過加州理工學院的研究人員目前已經(jīng)找到一種讓無人機群在室內(nèi)也能順利工作的辦法。

他們開發(fā)出一種名為GLAS的機器學習算法，能夠讓無人機群在擁擠且無地圖的環(huán)境中進行導航。這個系統(tǒng)的運行原理是通過賦予機群中每個無人機一定程度的獨立性，以讓他們可以適應不斷變化的環(huán)境。

不依靠于現(xiàn)有的地圖或是無人機中已存的路線，GLAS讓每臺設備在與另一臺設備協(xié)調(diào)的同時，自己獨立學習如何在給定的空間內(nèi)進行導航。這種去中心化模型不僅能夠讓無人機執(zhí)行即興發(fā)揮的操作，同時也讓機群的擴大或縮小變得更加容易，因為這個算法是同時分布在很多設備上的。

此外，基于此算法的另一項成果，追蹤控制器Neural－Swarm也可以幫助無人機補償空氣動力學的相互作用，比如無人機從頭頂飛過時產(chǎn)生的氣流下沖。它比常見的不考慮空氣動力學的商業(yè)控制器更可靠，跟蹤誤差也小得多。

這項成果除了對無人機燈光表演很有用，對無人機其他更重要的應用亦然。無人機救援隊可以安全地搜索營救區(qū)域，而自動駕駛汽車也可以將交通堵塞和碰撞的可能性降到最低。

研究人員表示，可能還需要一段時間才能將這項技術在實驗室外投入使用。