虽然工程师们已经成功地研发出了微型类昆虫机器人，但如何使其像真正的昆虫那样自主行动依旧面临技术上的挑战。来自康奈尔大学的一组工程师最近正在尝试使用一种新型的编程方法来模拟昆虫大脑的运作方式，也许不久之后人们就会开始怀疑墙上苍蝇是否是真正的苍蝇。
哈佛大学微型机器人实验室设计制造的RoboBees机器人只有3厘米的翼展和80毫克的重量。康奈尔大学的工程师们正在研发一种新的编程方法使这些机器人在面对复杂环境时能够变得更加自主和更具适应性。
在现有的技术条件下，要使这种机器人能够使用嵌入在其翅膀上的毛发状的微型金属探针来感知阵风从而相应地调整其飞行姿态，要使这种机器人在尝试降落在一朵在风中摇曳的花上的时候能够规划出相应的飞行路线，完成这些任务所需的计算处理资源需要在其背上携带一个台式机大小的计算机，这显然是不可能的。机械和航天工程教授，智能系统和控制实验室主任西尔维娅•法拉利（Silvia Ferrari）认为神经形态计算机芯片的出现是减小机器人负载的一种有效方法。
不同于处理只由0和1组合而成的二进制代码的传统芯片，神经形态芯片处理的是复杂组合中触发的电流尖峰，类似于大脑中产生的神经冲动。法拉利主任的实验室正在研发一种新型的“基于事件”的感知和控制算法，这种算法可以用来模拟神经活动并且可以在神经形态芯片上得以实现。由于这种芯片的功耗相较传统处理器大幅减小，这使得工程师可以将更多的计算资源集成在同样的有效载荷中。
法拉利主任的实验室已与哈佛微型机器人实验室展开了相关合作，他们研发出一种配备光流和运动感知能力且仅有80毫克的飞行机器人RoboBee。尽管这款机器人当前仍通过有线的方式与电源相连，但哈佛的研究人员正在研发新的电源来摆脱这一限制。康奈尔大学研发的算法则有助于在不过多增加重量的前提下，使RoboBee机器人在复杂的环境中有更好的自主性和适应性。
法拉利表示：“当受到阵风或者一扇旋转的门的冲击时，这种微型飞行机器人便会失去控制。我们正在研发传感器和相关算法来使得RoboBee能够避免撞击，或者即使受到撞击，仍然能够幸存并继续飞行。我们并不指望这种机器人的早期型号来完成这些工作，但我们需要研发能够适应任何情况的学习控制器。”
为了加速“基于事件”的算法的研发，法拉利主任的实验室的博士生泰勒•克劳森设计了一个虚拟模拟器。这个基于物理实际的模拟器可以模拟RoboBee机器人和它在每次翅膀行程中所承受的非定常气动力。因此，这个模型可以准确地预测RoboBee机器人在复杂环境下的飞行运动。
克劳森表示：“这种仿真技术既可以用来测试算法，也可以用来设计算法”。他协助成功研发了一种基于生物启发式编程的可以像神经网络那样运转的自主飞行控制器。他还表示：“这种网络能够使机器人进行实时学习从而应对在制造过程中引入的不确定性，而这些不确定性会对机器人的操控带来巨大的挑战。”
除了具有更大的自主性和弹性以外，法拉利说她的实验室计划在RoboBee上装备新的微型设备，比如微型相机、触觉反馈拓展天线，机器人脚上的接触传感器以及毛发状的气流感知器等。
法拉利表示：“我们将RoboBee作为基准机器人，因为它太具有挑战性了，此外我们认为其他不受限的机器人可以从这一进展中受益匪浅，因为它们同样面临功率方面的限制。”
一个已经获益的机器人是哈佛步行微型机器人（Harvard Ambulatory Microrobot），这是一款长度仅为17毫米，重量不足3克的四足机器人，它的奔跑速度可以达到惊人的每秒44米。法拉利主任的实验室正在研发“基于事件”的算法，这将有助于进一步提升机器人的速度。
法拉利正在使用海军研究局提供的4年100万美元的经费来继续这项研究工作。与此同时，她还与诸多大学神经形态芯片和传感器领域的先进研究团队开展合作。
