ทีมนักวิจัยได้พัฒนาแนวทางการแก้ปัญหาการรักษาระยะห่างที่ปลอดภัย (Separation Assurance) สำหรับโดรนขนาดเล็กในสภาวะที่ข้อมูลตำแหน่งจาก GPS ไม่น่าเชื่อถือเนื่องจากการถูกรบกวน (Degradation) หรือการปลอมแปลงสัญญาณ (Spoofing) โดยใช้เทคนิค Multi-Agent Reinforcement Learning (MARL) ซึ่งปกติแล้วในระบบตรวจการณ์แบบร่วมมือกัน โดรนแต่ละลำจะกระจายข้อมูลตำแหน่ง GPS ของตนเอง หากข้อมูลนี้ถูกบิดเบือนจะทำให้ความปลอดภัยของทั้งฝูงบินลดลง
งานวิจัยนี้ได้เปลี่ยนปัญหาดังกล่าวให้เป็นเกมแบบ Zero-sum ระหว่างฝูงโดรนและฝ่ายตรงข้ามที่พยายามบิดเบือนข้อมูล โดยมีการคำนวณรูปแบบการรบกวนที่เลวร้ายที่สุด (Adversarial Perturbation) ในรูปแบบปิด (Closed-form) ซึ่งช่วยลดระยะเวลาในการประมวลผลให้เป็นแบบ Linear-time และนำไปรวมเข้ากับอัลกอริทึม MARL Policy Gradient ผลการทดสอบในสภาวะจำลองที่มีโดรนหนาแน่นพบว่า ระบบสามารถรักษาอัตราการชนให้ใกล้เคียงศูนย์ได้แม้จะมีการบิดเบือนข้อมูลสูงถึง 35%
