商用无人机使用GPS系统导航，在建筑屋顶之上或高空中的运行并不成问题，但当无人机必须在低空自行在建筑间穿梭，或者突然闯进密集非结构化的城市街道、汽车、自行车、或行人间穿越时，并不具对突发事件的快速反应能力。

瑞士苏黎世大学(Universitat Zurich；UZH)研究人员与美国国家科学研究中心(NCCR)机器人研究中心研发了DroNet算法，设计了深度神经网络，为每张无人机捕捉到的图象都提供转向角，以保持无人机在闪避障碍物时的导航，以及碰撞机率，以让无人机判别危险程度并实时作出反应。

UZH研究团队教授Davide Scaramuzza表示，DroNet让无人机可判别静态和动态的障碍，进而放缓速度以避免撞击。值得一提的是，UZH团队开发的无人机并不仰赖先进的传感器，而是使用普通的摄影机，就像每支手机上一样，但该团队开发非常强大的人工智能算法来解释无人机观察到的场景，并作出相应的反应。

深度学习最困难的挑战之一就是必须搜集数千个训练案例。研究团队为了获得足够的案例来训练DroNet算法，从城市环境中的动态汽车和自行车收集数据，透过训练，无人机已自动学会了遵守交通规则，例如「如何沿车道行进而不充入对向车道」、「当行人、建筑物或其它车辆等障碍物挡在面前时如何停止」等。

更有趣的是，研究团队发现他们的无人机不仅学会在城市街道间穿梭，且自主学会了在室内环境飞行，如停车场或办公室的走廊等，而研究团队从未训练算法这么做。这项技术仍有许多技术性问题须克服。尽管如此，这项研究也为城市街道监控、包裹运送、灾区救援行动提供潜力。