Los agentes se utilizan para exhibir inteligencia de enjambre en el sentido de convergencia, mientras que la divergencia es igualmente común en la naturaleza y útil en aplicaciones complejas para sistemas multi-UAV. Este artículo propone un algoritmo de control robusto para el seguimiento de objetivos, donde los enjambres de UAV se dividen mediante un grafo firmado para realizar movimientos opuestos a lo largo o en contra de la trayectoria del objetivo. Se presentan incertidumbres tanto en el modelo de orden fraccionario del objetivo como en la dinámica de doble integrador de los UAV. Para abordar el desafío inducido por el comportamiento bipartito y los componentes desconocidos en los sistemas multi-UAV, el artículo propone un controlador en cascada de retroceso y un nuevo método para la estimación-compensación de incertidumbres a través de un enfoque combinado basado en una red neuronal (NN) y un Estimador de Incertidumbre y Perturbación (UDE). Guiados por el controlador, los UAV en una red estructuralmente equilibrada mostrarán simetría en sus trayectorias, persiguiendo o alejándose del objetivo con respecto al origen. La derivación teórica y las simulaciones numéricas han evidenciado que los errores de seguimiento convergen a cero. En comparación con el método tradicional de NN para resolver tales problemas, este método se propone por primera vez, lo que puede mejorar efectivamente la precisión del seguimiento cooperativo de objetivos y reducir los fenómenos de vibración del controlador.