虽然工程师们成功地建造了微型昆虫机器人，但编程使它们能够像真正的昆虫一样自主行事仍然是技术上的挑战。 康奈尔大学的一群工程师一直在试验一种模仿昆虫大脑工作方式的新型程序，这种程序很快就会让人们怀疑墙上的苍蝇是否真的是苍蝇。
一个机器人需要多少计算机处理能力来感知一阵风，使用嵌入在翅膀上的微型毛发状金属探针，相应地调整它的飞行，并规划它的路径，因为它试图降落在一朵摇曳的花朵上，这将要求它背着一台台式电脑。 机械和航空航天工程教授、智能系统和控制实验室主任西尔维娅·法拉里认为，神经形态计算机芯片的出现是缩小机器人有效载荷的一种方法。
与传统芯片将0和1s组合作为二进制码不同，神经形态芯片处理电流尖峰，以复杂的组合发射，类似于神经元在大脑中的发射。 法拉利的实验室正在开发一种新的“基于事件的”感知和控制算法，它可以模拟神经活动，并可以在神经形态芯片上实现。 由于芯片比传统处理器所需的功率要小得多，它们允许工程师将更多的计算打包到相同的有效载荷中。
法拉利的实验室与哈佛微机器人实验室合作，该实验室开发了一种80毫克飞行机器人蜜蜂，配备了许多视觉、光流和运动传感器。 虽然机器人目前仍被拴在电源上，但哈佛大学的研究人员正在努力消除新电源开发过程中的束缚。 康奈尔算法将有助于使RoboBee更自主和适应复杂的环境，而不显著增加其重量。
“被一阵风或一扇摆动的门撞击会使这些小机器人失去控制。 我们正在开发传感器和算法，以使RoboBee避免坠毁，或如果坠毁，生存和仍然飞行，“法拉利说。 “你不能真正依靠机器人的事先建模来做到这一点，所以我们希望开发能够适应任何情况的学习控制器。”
为了加快基于事件的算法的发展，法拉利实验室的博士生泰勒·克劳森创建了一个虚拟模拟器。 基于物理的模拟器模拟了机器人蜜蜂和它在每个机翼行程中所面临的瞬时空气动力。 因此，该模型可以准确地预测机器人蜜蜂在复杂环境下飞行过程中的运动。
克劳森说：“这种模拟方法既可用于测试算法，也可用于设计算法。” “这种网络能够实时学习，以解释制造过程中引入的机器人中的违规行为，这使得机器人更具有控制的挑战性。”
除了更大的自主性和弹性，法拉利说她的实验室计划帮助为RoboBee配备新的微型设备，如相机，扩大触角的触觉反馈，接触传感器在机器人的脚和气流传感器看起来像小毛。
法拉利说：“我们正在使用机器人蜜蜂作为基准机器人，因为它是如此的具有挑战性，但我们认为其他已经不受束缚的机器人将从这一发展中获益良多，因为它们在权力方面也有相同的问题。”
一个已经受益的机器人是哈佛救护车微型机器人，这是一台长17毫米、重不到3克的四足机器。 它能以一定的速度跳跃。 每秒44米，但法拉利的实验室正在开发基于事件的算法，这将有助于补充机器人的速度敏捷。