加州理工学院的工程师们设计了一种新型的基于数据的机器人操控方法。该方法可以帮助复数的机器人在没有详细图纸的、杂乱无章的空间内进行自由移动且不会碰撞到彼此。
多机器人轨迹协调是比较基础的一个机器人问题，涉及到众多应用场景，譬如城市搜索与救援、自动驾驶车队的控制以及在拥挤环境中的编队飞行。多机器人坐标协调具有两个难点：其一，处于新环境中的机器人尽管对他们的未来行进路线没有足够详尽的信息，却还是要在瞬间对它们的行进方向做出抉择；其二，复数机器人的存在导致机器人间的交互变得极其复杂（更容易产生碰撞）。
为了克服这些难点，航空航天学布伦教授Soon-Jo Chung、TCCI附属研究员计算和数学科学教授Yisong Yue协同加州理工学院研究生Benjamin Rivière（18届硕士研究生）、博士后学者Wolfgang Hönig以及研究生Guanya Shi一起开放了一套叫做“Global-to-Local Safe Autonomy Synthesis（全局到局部安全自主整合系统）”(简称GLAS)的多机器人运动规划算法。该算法可仅使用本地信息模拟一个拥有完整信息的规划器。除此之外，他们还研发了一款称作“Neural-Swarm（神经集群）”的经过增强的集群跟踪控制器。增强后的控制器能够计算近距离飞行中的复杂空气动力干扰。