La jungle de béton urbaine met les drones dans la position d'une chauve-souris aveuglée. Les caméras perdent la vue à chaque coin de rue, le GPS s'égare entre les gratte-ciel, et les ondes radio se dispersent en cent échos. Le modèle M3F-UAV surmonte cela en combinant toutes les « oreilles » et « yeux » disponibles : caméras classiques, cartes 3D issues du télémètre laser et signaux radio — dont la nature électromagnétique a été décrite pour la première fois par Maxwell. L'IA est entraînée sur l'entropie, c'est-à-dire sur le désordre inévitable des données entrantes. De la même manière qu'une chauve-souris apprend à extraire sa proie du chaos acoustique, l'algorithme a été contraint de reconstruire la scène à partir de flux sensoriels volontairement endommagés. Si une partie tombe en panne — par exemple, une caméra éblouie par le soleil — le système ne s'arrête pas. Il complète la réalité à partir de la mémoire et des indices, comme la spectroscopie extrait les secrets d'une étoile de son spectre arc-en-ciel.
L'expérience la plus frappante : un drone avec caméras et navigation désactivées a parcouru une maquette de ville de cinq cents mètres, s'orientant uniquement grâce aux échos radio des bâtiments — de l'écholocation pure, comme les chiroptères cavernicoles. Demain, de tels essaims de drones pourront chercher des personnes sous les décombres, travailler dans un brouillard épais et des tempêtes de poussière, livrant des colis sans craindre de perdre la vue.
Les premiers pilotes automatiques pour drones-torpilles sont apparus en 1917 : ils maintenaient le cap grâce à un gyroscope.
Dans « Terminator 2 », le drone-chasseur HK-Aerial combinait vision infrarouge et radar — préfigurant l'approche multisensorielle actuelle.