世界中の無人航空機（UAV）（ドローン）産業の成長が加速し、完全自律型UAVの応用範囲が広がっています。この研究を部分的に動機付けた特定の応用例として、非構造化された屋外環境での大域的な捜索・監視作業におけるUAVの利用があります。このような環境における重要な課題は、道路線や経路などの自律飛行を支援する構造化された特徴が欠如していることです。本論文では、森林冠下での航行と探査に必要な飛行命令を定義できるエンドツーエンドマルチタスク回帰ベースの学習アプローチを提案します。このアプローチは、トレイルや追加センサー（GPSなど）の有無に関わらず機能します。訓練とテストは、ソフトウェアインザループパイプラインを使用して行われ、最先端の姿勢推定技術との詳細な評価が可能となります。我々の包括的な実験結果は、提案手法が所定の捜索範囲内で高密度な探査を行うことに優れており、より広い捜索区域をカバーできること、未見かつ未探索の環境への汎化能力があり、現代の最先端技術を上回っていることを示しています。