Los enjambres de drones han ganado mucha popularidad en tiempos recientes porque, como grupo, los drones pueden realizar tareas altamente inteligentes. Los enjambres de drones están fuertemente inspirados en el comportamiento de agrupamiento de aves, insectos y bancos de peces, donde todos los miembros trabajan de manera coordinada para lograr un objetivo común. Dado que cada dron es una entidad independiente, automatizar el control de un enjambre es difícil. Trabajos anteriores proponen varios modelos de enjambre con control centralizado o distribuido. Con el control distribuido, cada dron toma sus propias decisiones basadas en un pequeño conjunto de reglas para lograr el comportamiento de enjambre, mientras que en el control centralizado, un dron actúa como líder, que conoce el destino final y el camino a seguir; especifica las trayectorias y velocidades para el resto de los drones. Casi todo el trabajo en el área de modelos de enjambre sigue el modelo de Reynolds, que tiene tres reglas básicas. Para configuraciones asistidas por GPS, las propuestas de vanguardia no son lo suficientemente maduras para manejar entornos complejos con obstáculos donde se toman decisiones principalmente locales. Proponemos un nuevo conjunto de reglas y un método de teoría de juegos para establecer los valores de los hiperparámetros para diseñar algoritmos de enjambre robustos para tales escenarios. De manera similar, el área de enjambres realistas en entornos sin GPS es muy escasa, y ningún trabajo maneja simultáneamente obstáculos y asegura que los drones permanezcan en una zona confinada y se muevan junto con el enjambre. Nuestra solución propuesta, SmrtSwarm, resuelve todos estos problemas. Es el primer modelo integral que permite el enjambre en todo tipo de entornos descentralizados, independientemente de la disponibilidad de señal GPS y obstáculos. Logramos esto utilizando una cámara estéreo y un nuevo algoritmo que identifica rápidamente drones en mapas de profundidad e infiere sus velocidades e identidades con referencia a sí mismo. Implementamos nuestros algoritmos en el motor de juegos Unity y los estudiamos utilizando simulaciones exhaustivas. Simulamos enjambres de 15 nodos y observamos un comportamiento cohesivo de enjambre sin ver colisiones ni drones separándose. También implementamos nuestros algoritmos en una placa Beaglebone Black y mostramos que incluso en un entorno sin GPS, podemos mantener una tasa de cuadros de 75 FPS, mucho más de lo que se requiere en configuraciones prácticas.