对斑马鱼进行逆向工程，科学家用机器人重现斑马鱼大脑控制功能

信息来源：
https://www.myscience.org/en/news/2025/roboticists_reverse_engineer_zebrafish_navigation-2025-epfl

洛桑联邦理工学院和杜克大学的研究团队成功创造了一个80厘米长的机器斑马鱼，不仅能够在湍急的河流中保持位置，还完美复制了真实斑马鱼的视觉驱动行为。这项发表在《科学机器人》杂志上的突破性研究，首次实现了对脊椎动物神经回路的完整逆向工程，为理解大脑如何控制复杂运动行为提供了革命性的新视角。

该项目的核心成就在于将神经科学、机器人学和流体力学完美结合，创建了一个能够在真实环境中运作的仿生系统。研究人员不仅在计算机模拟中重现了斑马鱼的导航行为，更重要的是将这些发现转化为能够在自然水流中正常工作的物理机器人。这种从生物观察到数字模拟再到机器人验证的完整研究链条，代表了仿生学研究方法的重大进步。

洛桑联邦理工学院生物机器人实验室负责人Auke Ijspeert教授强调了这项工作的独特价值："我们模拟的斑马鱼幼体提供了虚拟实施例，这使我们能够观察它对模拟流体动力学和视觉场景的反应。然后，我们使用物理机器人在现实世界中观察这些交互。这些与环境的联系无法用实验室中的孤立大脑来研究。"

研究选择斑马鱼作为研究对象具有重要的科学意义。斑马鱼幼体身体半透明，使研究人员能够光学接触所有神经元，这使它们成为神经科学研究中的理想模型。更重要的是，斑马鱼具有复杂而精确的视觉运动协调能力，能够在复杂的水流环境中保持稳定的位置和方向。

从神经活动到机器行为的完整转化

斑马鱼幼虫机器人 Zbot。2025 BioRob 洛普利福利州 CC BY SA 4.0

杜克大学神经生物学家Eva Naumann及其团队在这项合作中发挥了关键作用，他们通过对活体斑马鱼大脑的实时成像，提供了详细的神经网络架构数据。研究团队跟踪了小鱼的视觉驱动行为，记录了它们面对各种视觉刺激时的反应模式，这些刺激精心设计以模拟鱼类在自然水流中可能遇到的各种情况。

基于这些生物学数据，生物机器人实验室开发了一套完整的计算模拟系统，忠实再现了斑马鱼从视网膜到脊髓的整个视觉处理、身体力学和神经回路系统。这个虚拟系统在光运动反应测试中表现出了与真实斑马鱼幼虫几乎完全一致的行为模式。光运动反应是鱼类用来补偿水流影响的反射性游泳行为，对于它们在流水中保持位置至关重要。

Ijspeert教授对模拟结果表示兴奋："令人兴奋的是，我们复制了Eva和她的团队在活鱼中观察到的所有不同行为——这表明我们成功地对电路进行了逆向工程。"这种成功的复制不仅验证了研究方法的有效性，更重要的是证明了科学家们确实理解了斑马鱼导航行为背后的神经机制。

在深入分析过程中，研究团队发现了一个令人惊讶的结果：驱动斑马鱼复杂行为的大多数神经信号实际上来自视网膜相对较小的一部分区域。这一发现挑战了传统认为复杂行为需要大量神经资源的观念，揭示了生物系统在信息处理方面的高效性。

更令人兴奋的是，计算模拟甚至预测了两种此前未被识别的神经元类型的存在。这些预测的神经元类型能够解释活体斑马鱼对异常刺激的特定反应模式，为神经科学研究提供了新的研究方向和验证目标。

机器人验证与实际应用的突破

为了验证计算模拟的准确性，洛桑联邦理工学院博士后研究员刘翔晓构建了一个引人注目的物理验证系统：一个80厘米长的机器斑马鱼。这个机器人配备了两个模拟眼睛的摄像头系统、能够控制尾部运动的精密电机，以及与计算机模拟中完全相同的神经回路控制系统。

在瑞士洛桑张伯龙河进行的实地测试中，机器斑马鱼展现出了令人印象深刻的性能。即使面对自然环境中的复杂水流和各种干扰因素，机器人仍能够成功避免被水流冲向下游，保持相对稳定的位置。这一成就证明了从生物观察中提取的神经控制策略确实能够在真实世界环境中有效工作。

刘翔晓解释了机器人成功的关键因素："我们的神经回路中出现的光运动反应非常重要，因为动物对任何刺激的一些反应都是随机的。尽管存在这种随机性，神经回路仍然会聚以重新调整机器人的方向并保持其位置。"这种在随机性中保持稳定性的能力，正是生物系统的核心优势之一。

研究的另一个重要贡献是揭示了哪些感觉运动机制对于特定生物功能来说是"充分的"而不仅仅是"必要的"。在传统的动物实验中，研究人员只能确定哪些机制是必需的，但无法证明哪些机制本身就足够实现特定功能。通过机器人实验，研究团队证明了仅凭视觉信息就足以让斑马鱼维持其在水流中的位置，这是一个具有挑战性且意义重大的发现。

开源平台推动科学合作与未来发展

研究团队的另一个重要贡献是将他们的模拟和机器人设计作为开源工具提供给科学界。这种开放的研究方法将使全球的研究人员能够基于这些工具继续深入研究斑马鱼和其他动物的视觉运动协调机制，加速相关领域的科学进展。

生物机器人实验室已经开始将这项研究扩展到更广泛的领域，包括研究斑马鱼的各种游泳模式和更复杂的行为模式。这种扩展不仅有助于更深入地理解鱼类的行为机制，还可能为开发更先进的水下机器人和自主导航系统提供生物学启示。

研究团队的工作还与其他重要的仿生学研究形成了有机联系。洛桑联邦理工学院最近与东北大学和渥太华大学合作的另一项研究，测试了两栖类鳗鱼机器人的神经回路模型。这些实验揭示了多感官反馈如何使真正的鳗鱼即使在脊髓损伤后仍能游泳，这种发现对于理解脊椎动物的适应性和康复具有重要意义。

这项综合性研究的成功展示了跨学科合作在现代科学研究中的巨大价值。神经科学家、机器人专家、流体力学研究者和工程师的密切合作，创造了单一学科无法实现的突破性成果。这种合作模式为未来的仿生学研究树立了重要榜样。

从更广阔的视角看，这项研究为理解生物智能提供了新的方法论。通过将生物观察、计算模拟和机器人验证相结合，科学家们能够更全面地理解生物系统的工作原理，并将这些原理转化为实用的技术应用。这种方法不仅推进了我们对生命的理解，也为开发更智能、更适应性强的人工系统奠定了基础。