鸟儿会乘着上升的热气流翱翔、升高，而不须要挥舞翅膀。
然而，这些气流繁芜多变，尚不清楚鸟类如何创造并利用这些气流翱翔。
如果不充分理解这一点，很难教会翱翔器在现实环境中做到同样的事情。

为了应对这一寻衅，美国加州大学圣迭戈分校的Massimo Vergassola及其同事将眼力瞄准所谓的“强化学习”。
这是一种动态机器学习技能，个中的智能主体通过与其环境相互浸染进行学习，就像孩子学习一样：行为精确会被“褒奖”，行为不当则被“惩罚”。

研究职员编写了一个程序让两米翼展的滑翔机根据机载的周围环境丈量结果，调度其在空中的俯仰和侧滚动作。

根据几天试飞总结出的履历，他们设计了一种导航策略，将垂直风加速度和侧向扭矩（用于让滑翔机旁边旋转的力）作为导航线索。
研究职员认为该策略的成功表明鸟类也可能依赖这种线索。

不过，该研究组指出，能够顺着热气流向上飞只是候鸟或其机器仿照物可以安全地进行数百公里快速旅行的一部分缘故原由。
未来，对有助于识别强大上升气流的导航线索进行补充研究，将进一步增强人们对鸟类迁徙的理解，并有助于开拓高效的远间隔自主滑翔机。