Navegar múltiples drones de manera autónoma en entornos complejos e impredecibles, como los bosques, representa un desafío significativo que generalmente se aborda mediante la comunicación inalámbrica para la coordinación. Sin embargo, este enfoque se queda corto en situaciones con control central limitado o comunicaciones bloqueadas. Abordando esta brecha, nuestro artículo explora el aprendizaje de comportamientos complejos por parte de múltiples drones con visión limitada. Los drones en un enjambre dependen de sensores a bordo, principalmente cámaras estéreo orientadas hacia adelante, para la percepción del entorno y la detección de vecinos. Aprenden maniobras complejas a través de la imitación de un sistema experto privilegiado, que implica encontrar el conjunto óptimo de parámetros de la red neuronal para permitir la mapeo más efectivo de la percepción sensorial a los comandos de control. El proceso de entrenamiento adopta el algoritmo Dagger, empleando el marco de entrenamiento centralizado con ejecución descentralizada. Usando esta técnica, los drones aprenden rápidamente comportamientos complejos, como evitar obstáculos, coordinar movimientos y navegar hacia objetivos específicos, todo en ausencia de comunicación inalámbrica. Este artículo detalla la construcción de un modelo de movimiento cooperativo multi-UAV distribuido bajo visión limitada, enfatizando la autonomía de cada drone en lograr un vuelo coordinado y la evitación de obstáculos. Nuestro enfoque metodológico y los resultados experimentales validan la efectividad del controlador propuesto basado en visión de extremo a extremo, allanando el camino para aplicaciones más sofisticadas de sistemas multi-UAV en escenarios reales intrincados.