無人機技術雖然說在近幾年來發展迅速，但基本上還是只適合在室外使用，想要在室內環境使用的話，太容易撞到障礙物或是其他無人機了。不過，加州理工的研究人員所開發的機器學習算法“Global-to-local Safe Autonomy Synthesis（GLAS）”，讓一群無人機也有機會能在擁擠、沒有地圖的環境下自動導航，使得室內的無人機使用也有一定的自由度，且能自行適應環境。

GLAS 的關鍵在于一群無人機當中的每個個體，都能自行判斷在其近旁的障礙物位置與其他無人機的動向，并且自主做出反應，而不需要由一個中控系統同時控制所有的無人機。這就像在高速公路上的每一名駕駛，都能從四周有限的資訊，做出自己的判斷來保持安全一樣。此外，加州理工還開發了另一套名為“Neural-Swarm”的 AI 算法，可以自行學習無人機之間復雜的空氣動力交互作用，進一步確保飛行中的安全。

在短時間來說，這個技術最適合的可能是室內無人機拍攝，或是無人機燈光秀等應用，只要由控制中心指定前往的地點，無人機就能自行尋找合適的路線，并且避開其他無人機抵達目的。但未來在更多需要一大群無人機的應用領域，像是搜救任務或空中飛車上，應該也有這樣的 AI 出場的機會吧。