近五年谁在 Science Robotics 上发文最多？盘点全球顶尖机器人实验室

来源：公众号“深蓝AI”

原文链接：https://mp.weixin.qq.com/s/d4svbd4PZG6EQLqYl1qBfQ

「最强势力榜」

Science Robotics 是机器人领域公认的顶级期刊，与 Science 同属 AAAS 旗下，自 2016 年创刊以来，每一篇发表的论文都代表着该领域的前沿进展。在这里发表一篇论文，不仅需要技术上的突破，还需要足够的系统完整性和应用前景。

那么，近五年究竟哪些实验室在 Science Robotics 上最为活跃？本文通过 OpenAlex 学术数据库对这一时期的发文情况进行了统计，并从中选取了五个最具代表性的实验室，介绍他们的核心工作与研究方向。

本文所涉及的各实验室背景、人员归属及研究方向，均基于公开可获取的论文、机构官网及学者个人主页等资料整理而成，信息截至本文发布时间。由于学术界人员流动频繁，实验室方向也在持续演进，相关信息未必能做到实时更新，如有疏漏或出入，欢迎读者在评论区留言补充或指正，我们将及时核实修订。

麻省理工学院（MIT）是近五年在 Science Robotics 上发文量最多的机构，共 20 篇，涵盖医疗机器人、软体机器人、神经假体等多个方向。

其中引用量最高的一篇，来自赵选贺（Xuanhe Zhao）教授领导的软物质机器人实验室。

• 关于这篇工作

这篇发表于 2022 年的论文，提出了一套基于磁控软连续体机器人的远程神经介入平台。系统的核心是一根含有磁性颗粒的软导丝，通过机械臂末端的永磁体来控制导丝在血管中的偏转方向，同时配合导管推进单元实现精确的前进与后退。操作者通过实时 X 射线荧光透视影像，在远端使用操纵杆进行遥控操作。

图1 | MIT 磁控神经介入平台系统示意图，展示了机械臂、磁性导丝与 X 射线实时成像的整体架构©【深蓝 AI】编译

图2 | 系统硬件架构详图，包含磁控转向原理、导管推进单元及遥控操作台©【深蓝 AI】编译

这项工作的意义在于，传统的神经介入手术要求外科医生长时间暴露在 X 射线辐射下，且高度依赖手术者的个人技术水平。磁控遥操作方案有望将这类高风险手术标准化，并使其可以在远程条件下完成。该论文目前已被引用超过 385 次，是近五年 Science Robotics 引用量最高的论文之一。

• 关于实验室

赵选贺教授于 2014 年加入 MIT 机械工程系，其实验室专注于软物质力学与机器人的交叉研究，涵盖水凝胶、弹性体、磁性软材料等方向。除了上述神经介入工作，实验室还在 Science Robotics 上发表了多篇关于磁性软机器人的系统性研究。第一作者 Yoonho Kim 是赵选贺实验室的博士生，现已毕业并在学术界继续从事软机器人研究。

苏黎世联邦理工学院的机器人系统实验室（Robotic Systems Lab，RSL）由 Marco Hutter 教授领导，是全球四足机器人运动控制领域最具影响力的团队之一。近五年，RSL 在 Science Robotics 上发表了多篇关于 ANYmal 机器人的核心工作，持续推进四足机器人在非结构化环境中的自主运动能力。

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

这篇论文是近五年 Science Robotics 引用量最高的论文之一，目前已被引用超过 733 次。第一作者 Takahiro Miki 和 Joonho Lee 均来自 ETH Zurich RSL。

论文提出了一套基于强化学习的感知运动控制框架，使 ANYmal 机器人能够在户外复杂地形（草地、碎石、泥泞、楼梯等）中稳健行走。系统将激光雷达点云与本体感知信息融合，通过一个多尺度特征提取网络实时估计地形高度图，再由运动控制策略生成关节指令。整个系统以 50 Hz 的频率在机器人板载计算机上实时运行。

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

这篇论文由 David Hoeller（ETH Zurich RSL）、Nikita Rudin（NVIDIA，原 ETH Zurich RSL 博士生）等人完成，将四足机器人的运动能力推进到了一个新的层次。系统由三个模块组成：感知模块（30 Hz）负责从点云中提取地形信息；导航模块（5 Hz）负责规划路径；运动模块（50 Hz）负责执行具体的步态动作，包括行走、攀爬、跳跃和匍匐等五种模式。

图3 | ANYmal parkour 系统架构图，展示了感知、导航与运动三个模块的层级结构©【深蓝 AI】编译

• 关于实验室

Marco Hutter 教授于 2015 年加入 ETH Zurich 担任助理教授，并创立了 RSL。他是 ANYmal 机器人的主要发明者之一，也是 ANYbotics 公司的联合创始人。该实验室研究方向涵盖四足机器人、轮腿机器人、运动规划与强化学习。ANYmal 系列机器人已被多个工业场景（如石油平台巡检、地下矿井探测）实际部署。

哈佛大学在近五年共发表了 14 篇 Science Robotics 论文，其中 Conor Walsh 教授领导的生物设计实验室（Harvard Biodesign Lab）贡献了多篇核心工作，方向集中在软体可穿戴机器人与外骨骼领域。

• 关于这篇工作

这篇发表于 2024 年的论文由第一作者 Yu Meng Zhou 等人完成，通讯作者为 Conor Walsh 教授。论文提出了一款用于辅助工业作业中肩部运动的便携式充气软体机器人。该系统由穿戴在躯干和上臂的织物结构、充气驱动器、气泵与控制单元组成，总重量约 1.2 kg。当用户进行头顶作业时，系统通过充气驱动器提供辅助力矩，减轻肩部肌肉的负担。

图4 | 哈佛肩部软体机器人系统图，展示了穿戴结构、充气驱动器与控制单元的整体设计©【深蓝 AI】编译

研究团队在真实工厂环境中对多名工人进行了测试，结果显示该设备能够显著降低三角肌和冈上肌的肌电活动，同时对工人的自然运动干扰较小。

• 关于实验室

Conor Walsh 教授于 2012 年在哈佛大学创立了生物设计实验室，专注于将软体机器人技术应用于医疗康复和工业辅助场景。实验室最具代表性的产品是软体外骨骼（Soft Exosuit），已被授权给 ReWalk Robotics 进行商业化开发。Walsh 教授同时担任 Wyss Institute for Biologically Inspired Engineering 的 Associate Faculty Member，以及波士顿大学物理治疗系的兼职副教授，这使得实验室的研究能够兼顾工程实现与临床验证。

洛桑联邦理工学院在近五年共发表了 12 篇 Science Robotics 论文，来自多个实验室，其中 Auke Ijspeert 教授领导的生物机器人实验室（BioRob）是核心力量之一。

• 关于这篇工作

这篇发表于 2023 年的综述论文由 Pavan Ramdya 和 Auke Ijspeert 共同撰写，系统梳理了动物运动神经力学与机器人运动控制之间的相互借鉴关系。

论文的核心观点是：神经科学与机器人学是互补的两个学科，前者通过研究动物揭示了中枢模式发生器（CPG）、感觉反馈与运动协调的基本原理，后者则通过构建仿生机器人来验证和扩展这些原理。文章以多个具体案例说明了这种双向对话：例如，蛇形机器人的设计启发了对鳗鱼游泳机制的新理解；而对昆虫腿部感受器的研究，又反过来改进了六足机器人的步态控制算法。

图5 | EPFL BioRob 实验室的仿人机器人平台，用于研究双足运动控制©【深蓝 AI】编译

• 关于实验室

Auke Ijspeert 教授自 2002 年加入 EPFL，长期从事仿生运动控制研究。实验室最具代表性的成果包括：Salamandra Robotica（模拟蝾螈运动的仿生机器人）、Pleurobot（多模态仿生机器人）以及一系列基于 CPG 的运动控制框架。Ijspeert 教授曾获得多项欧洲研究理事会（ERC）资助，是仿生运动控制领域的代表性学者之一。

EPFL 在 Science Robotics 上的另一篇值得关注的工作是 Dario Floreano 教授组于 2024 年发表的仿鸟无人机论文《A twist of the tail in turning maneuvers of bird-inspired drones》，研究了鸟类通过尾部扭转来辅助转向的机制，并将其应用于无人机设计，展示了 EPFL 在仿生飞行机器人方向的持续积累。

佐治亚理工学院在近五年共发表了 11 篇 Science Robotics 论文，其中 Aaron Young 教授领导的 EPIC（Exoskeleton and Prosthetics Intelligent Controls）实验室贡献了一篇引用量较高的核心工作。

• 关于这篇工作

这篇发表于 2024 年的论文由第一作者 Dean Molinaro、Inseung Kang 和 Aaron Young 完成，目前已被引用超过 104 次。

论文的核心思路是：通过实时估计人体关节力矩来统一外骨骼的控制策略。传统的外骨骼控制方法通常针对特定任务（如行走、爬楼梯）分别设计控制器，切换时需要显式的模式识别。本文提出，如果能够实时估计用户的髋关节、膝关节和踝关节力矩，就可以用一个统一的控制框架来处理不同的运动任务，而无需显式的任务分类。系统使用表面肌电信号（sEMG）和惯性测量单元（IMU）作为输入，通过一个经过个性化校准的神经网络模型来估计关节力矩，再据此生成外骨骼的辅助力矩。

图6 | EPIC Lab 外骨骼关节力矩估计框架，展示了从 sEMG/IMU 输入到统一控制输出的完整流程©【深蓝 AI】编译

实验结果显示，在行走、爬坡、爬楼梯等多种任务中，该方法均能有效降低用户的代谢消耗，且不需要在任务切换时进行手动模式选择。

• 关于实验室

Aaron Young 教授于 2016 年加入佐治亚理工学院，EPIC 实验室专注于下肢外骨骼与假肢的智能控制研究。实验室的研究目标是开发能够自适应不同用户和不同运动场景的外骨骼控制系统，核心技术方向包括肌电信号处理、运动意图识别和个性化控制策略。

从近五年 Science Robotics 的发文情况来看，MIT 以 20 篇的总量位居第一，但这 20 篇论文来自多个不同的实验室，方向分散；ETH Zurich RSL 虽然论文数量相对集中，但每一篇都聚焦在四足机器人运动控制这一核心方向，形成了清晰的研究脉络；Harvard Biodesign Lab 和 Georgia Tech EPIC Lab 则分别在软体可穿戴机器人和外骨骼控制领域持续深耕；EPFL 的多个实验室共同构成了其在仿生运动控制方向的整体优势。

这五个实验室的共同特点是：研究方向明确，系统完整性强，且都有从基础研究到实际应用的清晰路径。

Science Robotics 的审稿标准要求论文不仅要有技术创新，还要有足够的系统验证和应用前景，这也解释了为什么能在这本期刊上持续发表的团队，往往都具备较强的硬件研发和实验验证能力。