Lorsqu'un drone apprend d'un pilote expérimenté, il ne mémorise pas seulement des manœuvres, mais des couloirs de sécurité entiers. Mais en vol réel, il y a toujours des facteurs absents de l'entraînement : un vent soudain, des vibrations de la caméra, voire le mouvement du drone lui-même qui déstabilise l'air. L'apprentissage par imitation standard — copier un instructeur humain — échoue ici : dans des conditions modifiées, la copie mène à l'accident. C'est ce qu'on appelle le décalage de distribution des données : ce que le drone a appris en simulateur peut se révéler faux en réalité.

Le nouvel algorithme résout ce problème en traçant des « trous noirs » invisibles autour de toutes les zones indésirables. Mathématiquement, ils sont conçus de sorte que plus le drone s'approche du danger, plus le système le repousse — comme une gravité inversée. Ainsi, le drone contourne en douceur les zones interdites, même si les capteurs mentent ou si la liaison est coupée.

Les essais ont montré que l'appareil n'a jamais franchi la limite de sécurité, même face à un fort vent latéral et à des pannes soudaines. Cette prudence ouvre la voie à la livraison urbaine par tous les temps ou à des missions de sauvetage où une erreur coûte la vie.