زيادة النمو في صناعة الطائرات بدون طيار (UAV) (الدرونز) على المستوى العالمي قد mở rộng các khả năng cho ứng dụng UAV tự động hoàn toàn. أحد التطبيقات التي دفعت جزئياً إلى إجراء هذا البحث هو استخدام الطائرات بدون طيار في عمليات البحث والرقابة على مساحات واسعة في بيئات خارجية غير منظمة. القضية الحرجة في مثل هذه البيئات هي نقص الخصائص المنظمة التي يمكن أن تساعد في الطيران التلقائي، مثل خطوط الطرق أو المسارات. في هذا البحث، نقترح نهجًا للتعلم القائم على الانحدار متعدد المهام من النهاية إلى النهاية (End-to-End Multi-Task Regression-based Learning) قادر على تحديد الأوامر الطيران للملاحة والاستكشاف تحت الغطاء النباتي للغابات، بغض النظر عن وجود مسارات أو أجهزة استشعار إضافية (مثل GPS). يتم التدريب والاختبار باستخدام خط أنابيب مدمج مع البرمجيات يسمح بإجراء تقييم مفصل مقابل تقنيات تقدير الوضع الحالية الأكثر تقدمًا. تظهر تجاربنا الواسعة أن نهجنا يتفوق في القيام بالاستكشاف الكثيف داخل حدود المنطقة المطلوبة للبحث، قادر على تغطية مناطق بحث أوسع، يتعمم إلى بيئات جديدة وغير مستكشفة سابقاً ويتفوق على التقنيات الحديثة الأكثر تقدمًا حاليًا.