近五年誰在 Science Robotics 上發文最多？盤點全球頂尖機器人實驗室

來源：公眾號“深藍AI”

原文鏈接：https://mp.weixin.qq.com/s/d4svbd4PZG6EQLqYl1qBfQ

「最強勢力榜」

Science Robotics 是機器人領域公認的頂級期刊，與 Science 同屬 AAAS 旗下，自 2016 年創刊以來，每一篇發表的論文都代表著該領域的前沿進展。在這里發表一篇論文，不僅需要技術上的突破，還需要足夠的系統完整性和應用前景。

那么，近五年究竟哪些實驗室在 Science Robotics 上最為活躍？本文通過 OpenAlex 學術數據庫對這一時期的發文情況進行了統計，并從中選取了五個最具代表性的實驗室，介紹他們的核心工作與研究方向。

本文所涉及的各實驗室背景、人員歸屬及研究方向，均基于公開可獲取的論文、機構官網及學者個人主頁等資料整理而成，信息截至本文發布時間。由于學術界人員流動頻繁，實驗室方向也在持續演進，相關信息未必能做到實時更新，如有疏漏或出入，歡迎讀者在評論區留言補充或指正，我們將及時核實修訂。

麻省理工學院（MIT）是近五年在 Science Robotics 上發文量最多的機構，共 20 篇，涵蓋醫療機器人、軟體機器人、神經假體等多個方向。

其中引用量最高的一篇，來自趙選賀（Xuanhe Zhao）教授領導的軟物質機器人實驗室。

• 關于這篇工作

這篇發表于 2022 年的論文，提出了一套基于磁控軟連續體機器人的遠程神經介入平臺。系統的核心是一根含有磁性顆粒的軟導絲，通過機械臂末端的永磁體來控制導絲在血管中的偏轉方向，同時配合導管推進單元實現精確的前進與后退。操作者通過實時 X 射線熒光透視影像，在遠端使用操縱桿進行遙控操作。

圖1 | MIT 磁控神經介入平臺系統示意圖，展示了機械臂、磁性導絲與 X 射線實時成像的整體架構?【深藍 AI】編譯

圖2 | 系統硬件架構詳圖，包含磁控轉向原理、導管推進單元及遙控操作臺?【深藍 AI】編譯

這項工作的意義在于，傳統的神經介入手術要求外科醫生長時間暴露在 X 射線輻射下，且高度依賴手術者的個人技術水平。磁控遙操作方案有望將這類高風險手術標準化，并使其可以在遠程條件下完成。該論文目前已被引用超過 385 次，是近五年 Science Robotics 引用量最高的論文之一。

• 關于實驗室

趙選賀教授于 2014 年加入 MIT 機械工程系，其實驗室專注于軟物質力學與機器人的交叉研究，涵蓋水凝膠、彈性體、磁性軟材料等方向。除了上述神經介入工作，實驗室還在 Science Robotics 上發表了多篇關于磁性軟機器人的系統性研究。第一作者 Yoonho Kim 是趙選賀實驗室的博士生，現已畢業并在學術界繼續從事軟機器人研究。

蘇黎世聯邦理工學院的機器人系統實驗室（Robotic Systems Lab，RSL）由 Marco Hutter 教授領導，是全球四足機器人運動控制領域最具影響力的團隊之一。近五年，RSL 在 Science Robotics 上發表了多篇關于 ANYmal 機器人的核心工作，持續推進四足機器人在非結構化環境中的自主運動能力。

代表工作一：Learning robust perceptive locomotion for quadrupedal robots in the wild（2022）

這篇論文是近五年 Science Robotics 引用量最高的論文之一，目前已被引用超過 733 次。第一作者 Takahiro Miki 和 Joonho Lee 均來自 ETH Zurich RSL。

論文提出了一套基于強化學習的感知運動控制框架，使 ANYmal 機器人能夠在戶外復雜地形（草地、碎石、泥濘、樓梯等）中穩健行走。系統將激光雷達點云與本體感知信息融合，通過一個多尺度特征提取網絡實時估計地形高度圖，再由運動控制策略生成關節指令。整個系統以 50 Hz 的頻率在機器人板載計算機上實時運行。

代表工作二：ANYmal parkour: Learning agile navigation for quadrupedal robots（2024）

這篇論文由 David Hoeller（ETH Zurich RSL）、Nikita Rudin（NVIDIA，原 ETH Zurich RSL 博士生）等人完成，將四足機器人的運動能力推進到了一個新的層次。系統由三個模塊組成：感知模塊（30 Hz）負責從點云中提取地形信息；導航模塊（5 Hz）負責規劃路徑；運動模塊（50 Hz）負責執行具體的步態動作，包括行走、攀爬、跳躍和匍匐等五種模式。

圖3 | ANYmal parkour 系統架構圖，展示了感知、導航與運動三個模塊的層級結構?【深藍 AI】編譯

• 關于實驗室

Marco Hutter 教授于 2015 年加入 ETH Zurich 擔任助理教授，并創立了 RSL。他是 ANYmal 機器人的主要發明者之一，也是 ANYbotics 公司的聯合創始人。該實驗室研究方向涵蓋四足機器人、輪腿機器人、運動規劃與強化學習。ANYmal 系列機器人已被多個工業場景（如石油平臺巡檢、地下礦井探測）實際部署。

哈佛大學在近五年共發表了 14 篇 Science Robotics 論文，其中 Conor Walsh 教授領導的生物設計實驗室（Harvard Biodesign Lab）貢獻了多篇核心工作，方向集中在軟體可穿戴機器人與外骨骼領域。

• 關于這篇工作

這篇發表于 2024 年的論文由第一作者 Yu Meng Zhou 等人完成，通訊作者為 Conor Walsh 教授。論文提出了一款用于輔助工業作業中肩部運動的便攜式充氣軟體機器人。該系統由穿戴在軀干和上臂的織物結構、充氣驅動器、氣泵與控制單元組成，總重量約 1.2 kg。當用戶進行頭頂作業時，系統通過充氣驅動器提供輔助力矩，減輕肩部肌肉的負擔。

圖4 | 哈佛肩部軟體機器人系統圖，展示了穿戴結構、充氣驅動器與控制單元的整體設計?【深藍 AI】編譯

研究團隊在真實工廠環境中對多名工人進行了測試，結果顯示該設備能夠顯著降低三角肌和岡上肌的肌電活動，同時對工人的自然運動干擾較小。

• 關于實驗室

Conor Walsh 教授于 2012 年在哈佛大學創立了生物設計實驗室，專注于將軟體機器人技術應用于醫療康復和工業輔助場景。實驗室最具代表性的產品是軟體外骨骼（Soft Exosuit），已被授權給 ReWalk Robotics 進行商業化開發。Walsh 教授同時擔任 Wyss Institute for Biologically Inspired Engineering 的 Associate Faculty Member，以及波士頓大學物理治療系的兼職副教授，這使得實驗室的研究能夠兼顧工程實現與臨床驗證。

洛桑聯邦理工學院在近五年共發表了 12 篇 Science Robotics 論文，來自多個實驗室，其中 Auke Ijspeert 教授領導的生物機器人實驗室（BioRob）是核心力量之一。

• 關于這篇工作

這篇發表于 2023 年的綜述論文由 Pavan Ramdya 和 Auke Ijspeert 共同撰寫，系統梳理了動物運動神經力學與機器人運動控制之間的相互借鑒關系。

論文的核心觀點是：神經科學與機器人學是互補的兩個學科，前者通過研究動物揭示了中樞模式發生器（CPG）、感覺反饋與運動協調的基本原理，后者則通過構建仿生機器人來驗證和擴展這些原理。文章以多個具體案例說明了這種雙向對話：例如，蛇形機器人的設計啟發了對鰻魚游泳機制的新理解；而對昆蟲腿部感受器的研究，又反過來改進了六足機器人的步態控制算法。

圖5 | EPFL BioRob 實驗室的仿人機器人平臺，用于研究雙足運動控制?【深藍 AI】編譯

• 關于實驗室

Auke Ijspeert 教授自 2002 年加入 EPFL，長期從事仿生運動控制研究。實驗室最具代表性的成果包括：Salamandra Robotica（模擬蠑螈運動的仿生機器人）、Pleurobot（多模態仿生機器人）以及一系列基于 CPG 的運動控制框架。Ijspeert 教授曾獲得多項歐洲研究理事會（ERC）資助，是仿生運動控制領域的代表性學者之一。

EPFL 在 Science Robotics 上的另一篇值得關注的工作是 Dario Floreano 教授組于 2024 年發表的仿鳥無人機論文《A twist of the tail in turning maneuvers of bird-inspired drones》，研究了鳥類通過尾部扭轉來輔助轉向的機制，并將其應用于無人機設計，展示了 EPFL 在仿生飛行機器人方向的持續積累。

佐治亞理工學院在近五年共發表了 11 篇 Science Robotics 論文，其中 Aaron Young 教授領導的 EPIC（Exoskeleton and Prosthetics Intelligent Controls）實驗室貢獻了一篇引用量較高的核心工作。

• 關于這篇工作

這篇發表于 2024 年的論文由第一作者 Dean Molinaro、Inseung Kang 和 Aaron Young 完成，目前已被引用超過 104 次。

論文的核心思路是：通過實時估計人體關節力矩來統一外骨骼的控制策略。傳統的外骨骼控制方法通常針對特定任務（如行走、爬樓梯）分別設計控制器，切換時需要顯式的模式識別。本文提出，如果能夠實時估計用戶的髖關節、膝關節和踝關節力矩，就可以用一個統一的控制框架來處理不同的運動任務，而無需顯式的任務分類。系統使用表面肌電信號（sEMG）和慣性測量單元（IMU）作為輸入，通過一個經過個性化校準的神經網絡模型來估計關節力矩，再據此生成外骨骼的輔助力矩。

圖6 | EPIC Lab 外骨骼關節力矩估計框架，展示了從 sEMG/IMU 輸入到統一控制輸出的完整流程?【深藍 AI】編譯

實驗結果顯示，在行走、爬坡、爬樓梯等多種任務中，該方法均能有效降低用戶的代謝消耗，且不需要在任務切換時進行手動模式選擇。

• 關于實驗室

Aaron Young 教授于 2016 年加入佐治亞理工學院，EPIC 實驗室專注于下肢外骨骼與假肢的智能控制研究。實驗室的研究目標是開發能夠自適應不同用戶和不同運動場景的外骨骼控制系統，核心技術方向包括肌電信號處理、運動意圖識別和個性化控制策略。

從近五年 Science Robotics 的發文情況來看，MIT 以 20 篇的總量位居第一，但這 20 篇論文來自多個不同的實驗室，方向分散；ETH Zurich RSL 雖然論文數量相對集中，但每一篇都聚焦在四足機器人運動控制這一核心方向，形成了清晰的研究脈絡；Harvard Biodesign Lab 和 Georgia Tech EPIC Lab 則分別在軟體可穿戴機器人和外骨骼控制領域持續深耕；EPFL 的多個實驗室共同構成了其在仿生運動控制方向的整體優勢。

這五個實驗室的共同特點是：研究方向明確，系統完整性強，且都有從基礎研究到實際應用的清晰路徑。

Science Robotics 的審稿標準要求論文不僅要有技術創新，還要有足夠的系統驗證和應用前景，這也解釋了為什么能在這本期刊上持續發表的團隊，往往都具備較強的硬件研發和實驗驗證能力。