2.1   发文量分析   2015-2025年，上肢康复机器人领域发文量呈显著增长趋势。国内研究产出持续增加，2022年达到峰值，发文量为105篇，随后略有回落。国外的研究趋势类似，从2015年起，国外的发文量同样稳步上升，2024年达到峰值。因检索时间截至2025-03-13，文献未收录完全，基于增长趋势推测2025年及以后国外该领域发文量将继续保持上升趋势。国内方面发文量或有波动，但根据增长曲线预测，国内外在上肢康复机器人领域的发文量将保持相近的水平，体现该领域研究的国际性和普遍性(图1)。
2.2   研究作者共现分析   上肢康复机器人领域作者共现图谱共纳入中文文献717篇，涉及作者344名，连线数为216，密度为0.003 7；英文文献337篇，涉及作者315名，连线数为415，密度为0.008 4。根据普赖斯定律，核心作者发文量计算公式为：M=0.749×[36]，Nmax是指2015-2025年发文量最多作者的发表论文篇数，中文文献Nmax=22，M≈3.51，即核心作者为发表≥4篇文献的作者。中文核心作者有9名，依次为喻洪流(22篇)、郭帅(5篇)、李宪华(5篇)、宋为群(4篇)、李素姣(4篇)、黄小海(4篇)、胡鑫(4篇)、方又方(4篇)、蔡国庆(4篇)。英文文献Nmax=15，M≈2.90，即核心作者为发表≥3篇文献的作者。英文核心作者有32名，发文量前8名依次为Yu,Hongliu(15篇)、Crea,Simona(9篇)、Meng,Qiaoling(8篇)、Vitiello,Nicola(8篇)、Wang,Haoping(6篇)、Tian,Yang(6篇)、Bai, Shaoping(5篇)、Li, Sujiao(5篇)。该领域最突出的作者是喻洪流，其团队在上肢康复机器人领域的研究聚焦于结构创新、人机交互优化(如平面游戏引导)，旨在提升康复训练的精准性与患者参与度[37-39]。主要研究者团队内的合作关系紧密，带动了上肢康复机器人的研究与发展，但作者合作网络图谱密度均不足0.01，作者之间合作较为松散，大多数研究者合作多在团队内部，这在一定程度上影响了上肢康复机器人领域的发展，因此该领域研究可进一步加强跨团队合作(图2，3)。



2.3   研究国家和机构分析   对英文文献进行国家(或地区)共现分析显示，国家(或地区)分布图由46个国家(或地区)组成，合作连线数为56，网络密度为0.054 1。其中，发文量最多的国家是中国(158篇)，其次是美国(43篇)，显著多于其他国家。对节点中心性进行分析，排名前5的国家分别是意大利(1.03)、美国(1.01)、马来西亚(0.87)、澳大利亚(0.86)和法国(0.69)，意味着这些国家与其他国家的联系更多(图4)。
机构合作网络分析显示，中文文献涉及255所机构，合作连线数为91，网络密度为0.002 8。
东北大学(18篇)的发文量最多，其次是华中科技大学和上海理工大学康复工程与技术研究所和上海康复器械工程技术研究中心，均为13篇，在合作网络中发挥核心辐射作用(图5)。
英文文献涉及237所机构，合作连线数达250，网络密度(0.008 9)显著高于中文文献，表明国际机构间合作更紧密。发文量较高的机构包括Univ Shanghai Sci&Technol(19篇)、Scuola Super Sant Anna(14篇)、Minist Civil Affairs(12篇)、Shanghai Engn Res Ctr Assist Devices(10篇)和Chinese Acad Sci(8篇)，这些机构在推动国际合作方面表现突出(图6)。
2.4   关键词分析   
2.4.1   关键词共现分析   文献关键词作为一篇论文核心内容的凝练与精髓所在，其重要性不言而喻。通过提取并分析文献中的高频关键词，能够精准把握某学科领域的研究主题分布特征，进而深入剖析该学科领域的发展重心、研究热点动态以及研究前沿趋势，为学术研究与学科发展提供重要参考[40-41]。对717篇中文文献与337篇英文文献进行关键词共现分析，结果显示：中文文献形成288个关键词节点、294条连线，网络密度为0.007 1；英文文献形成321个关键词节点、643条连线，密度达0.012 5，表明国际研究的概念关联更为紧密。中心性排名，中文文献中“上肢”(0.41)、“偏瘫康复”(0.41)、“仿真”(0.35)位列前3；英文文献中“arm exoskeleton”(0.42)、“device”(0.41)、“adaptive control”(0.28)位列前3 (表1，2)。
综合频数与中心性：“轨迹规划”“人机交互”“脑卒中”“偏瘫”等关键词为跨语言研究的枢纽性节点，集中体现了上肢康复机器人领域的研究热点。中文文献网络呈现以临床康复与技术应用为主的双核结构；英文文献更聚焦硬件开发与智能控制，反映国际研究的技术导向性(图7，8)。
2.4.2   关键词聚类分析   根据关键词聚类图谱可知，中文文献共形成288个节点、294条连线，根据CiteSpace聚类模块值(Q值)和聚类平均轮廓值(S值)评判图谱绘制效果，其中Q=0.845 6(> 0.3)，S=0.956 6(> 0.7)；外文文献共形成321个节点、643条连线，其中Q=0.771 7 (> 0.3)，S=0.929 2(> 0.7)[42]，表明该研究关键词聚类结果合理，可信度高，为有效聚类。统计中文文献前11个聚类(图9)，英文文献前13个聚类(图10)。依据LIR算法得出前5位关键词可知，目前上肢康复机器人领域的研究热点大体可分为以下5个方面：①核心技术方法；②








机器人设计与优化；③控制策略与算法；④临床应用与评估；⑤新兴技术与跨学科融合。
上述分类体现了上肢康复机器人领域在技术创新、系统集成、临床转化及多学科交叉方面的研究趋势，展现了从基础理论到工业与医疗场景应用的协同发展特征(表3，4)。
2.4.3   关键词时间线图分析   根据关键词聚类时间线图谱可知，中文文献聚类序号为








的时间线起始最早，自2015年前即成为国内学者核心研究方向，研究重点聚焦于脑卒中、上肢功能(图11)。英文文献聚类序号为#1、#6、#7、#10的时间线起始最早，表明其自2015年就得到广泛关注，说明硬件系统、自适应增益、脑机接口、关节导向训练的研究是国外学者最早关注的热点。聚类序号为#0、#3、#4、#8、#9的时间轴线随后出现，说明康复机器人控制、人工搬运任务、基于观测器的容错自适应非线性控制、张力机构、外骨骼主控装置的研究热度开始上升。国内早期聚焦临床病理机制，而国际研究更偏重工程技术突破。此后，研究从单一功能实现转向“控制算法优化-临床需求响应-跨场景应用”协同发展(图12)。
2.4.4   关键词突现分析   突现词是指在某段时间内出现频次明显升高的关键词，能够更全面地揭示当前的研究趋势与科学前沿[43-44]。结果显示，国内研究在2015-2018年重点在核心驱动技术，2019-2022年着重于控制系统升级。结合“柔顺控制”与“机构设计”的持续突现，智能化、轻量化外骨骼系统或将成为重点突破领域。国际研究2015-2018年聚焦于早期基础研究和临床需求探索，2019-2020年着重于控制技术和外骨骼开发，2021-2025年以人机交互和临床应用拓展为研究重点。从临床病理机制解析到控制与外骨骼技术融合再到人机交互与跨场景应用，形成“需求驱动-技术迭代-场景适配”的闭环发展逻辑。结合“wearable robot”与“physical human-robot interaction”的持续突现，智能自适应外骨骼、基于肌肉活动的个性化康复方案及工业外骨骼的标准化效能评估体系或将成为关键突破点。国内上肢康复机器人领域中突现强度居前15位的关键词见图13，国际该领域中突现强度居前16位的关键词见图14。

[1] XIE G, WANG T, DENG L, et al. Repetitive transcranial magnetic stimulation for motor function in stroke: a systematic review and meta-analysis of randomized controlled studies. Syst Rev. 2025;14(1):47. [2] BIAN M, CHEN F, SU H, et al. Comparison of the effects of different physical stimulation therapies on reducing upper limb spastic paralysis and motor dysfunction in stroke survivors after stroke: a network meta-analysis of randomized controlled trials. Front Neurol. 2025;16:1554583. [3] WANG C, LIU Y, LI L, et al. The efficacy of electroacupuncture for cervical nerve edema and movement disorder caused by the brachial plexus injury: a case report. Front Neurol. 2024; 15:1342844. [4] ZHANG J, LIU M, YUE J, et al. Effects of virtual reality with different modalities on upper limb recovery: a systematic review and network meta-analysis on optimizing stroke rehabilitation. Front Neurol. 2025;16:1544135. [5] SHEN S, CHU T, WANG J, et al. Progress in the application of motor imagery therapy in upper limb motor function rehabilitation of stroke patients with hemiplegia. Front Neurol. 2025;16:1454499. [6] DONATI D, PINOTTI E, MANTOVANI M, et al. The Role of Immersive Virtual Reality in Upper Limb Rehabilitation for Subacute Stroke: A Review. J Clin Med. 2025;14(6):1903. [7] 庄竞翔,陈晓彤,阮传亮,等.针刺夹脊穴对卒中后上肢运动功能障碍的影响[J].中国针灸, 2025,45(8):1037-1041. [8] 杨丛亮.上肢康复机器人系统设计及控制策略研究[D].燕山:燕山大学,2023. [9] FAREH R, ELSABE A, BAZIYAD M, et al. Will Your Next Therapist Be a Robot?-A Review of the Advancements in Robotic Upper Extremity Rehabilitation. Sensors (Basel). 2023; 23(11):5054. [10] 刘京宇,杨延砚,张元鸣飞,等.2023年度国家康复医学专业医疗服务与质量安全报告[J].中国康复理论与实践,2025,31(1):1-20. [11] 张元鸣飞,杨延砚,张娜,等.2021年度国家康复医学专业医疗服务与质量安全报告[J].中国康复理论与实践,2022,28(12):1365-1379. [12] 吕宗龙,王垚垚,马苏常.老龄人群上肢康复训练仪设计[J].科技创新与应用,2023,13(32): 38-41. [13] KREBS HI, HOGAN N, VOLPE BT, et al. Overview of clinical trials with MIT-MANUS: a robot-aided neuro-rehabilitation facility. Technol Health Care. 1999;7(6):419-423. [14] 李燕,余佳蓓,李松昱,等.下肢康复机器人在髋、膝关节置换术后患者早期康复训练的应用进展[J].中国老年保健医学,2024,22(6): 116-119. [15] 杜娜,赵鑫,李红.上肢康复机器人的发展及应用综述[J].医疗卫生装备,2024,45(5):95-103. [16] 袁润萍,汤从智,江勇,等.上肢康复机器人促进卒中后上肢功能恢复的作用和机制研究进展[J].中国脑血管病杂志,2022,19(7):509-513. [17] 李宇淇,黄国志,路鹏程,等.上肢康复机器人联合上肢康复训练对脑卒中恢复期偏瘫患者的影响[J].康复学报,2022,32(2):111-116. [18] 张超,刘璇,侯增广,等.上肢机器人辅助疗法对恢复期脑卒中患者上肢运动功能及日常生活活动能力的效果[J].中国康复理论与实践, 2016,22(12):1365-1370. [19] 邹鸿雁,白定群,杨力凝,等.虚拟现实技术在卒中后上肢康复中的应用现状及可能机制[J].中国康复,2024,39(2):111-115. [20] 严小青,李玉静,李怡璇,等.脑卒中患者上肢机器人辅助训练文献的可视化分析[J].机器人外科学杂志(中英文),2025,6(2):287-292. [21] 徐玉杰,李宪华,林凤涛.基于CNN的康复机器人逆运动学分析与轨迹规划[J].黑龙江工业学院学报(综合版),2024,24(4):115-123. [22] 程督,王昕浩.上肢康复机器人对脑卒中患者上肢功能和日常生活影响的Meta分析[C]//中国体育科学学会.第十三届全国体育科学大会论文摘要集:专题报告(体质与健康分会).河南师范大学体育学院,2023:620-622. [23] COLOMBO R, STERPI I, MAZZONE A, et al. Improving proprioceptive deficits after stroke through robot-assisted training of the upper limb: a pilot case report study. Neurocase. 2016; 22(2):191-200. [24] 钟毓贤,周维金,刘金玉.Athos智能运动服结合MOTOmed智能运动训练系统治疗脑卒中上肢运动功能障碍的临床研究[J].重庆医学, 2018,47(14):1896-1899. [25] FASOLI SE, KREBS HI, STEIN J, et al. Effects of robotic therapy on motor impairment and recovery in chronic stroke. Arch Phys Med Rehabil. 2003;84(4):477-482. [26] 罗盛国,李祥云,陆奇,等.上肢牵引康复训练轨迹规划跟踪控制[J].生物医学工程学杂志, 2025,42(2):318-325. [27] 薛夏利,邓钟义,孙君志,等.康复机器人领域10年研究热点:基于Web of Science数据库的文献计量学分析[J].中国组织工程研究, 2022,26(14):2214-2222. [28] TAŞKIN Z. Forecasting the future of library and information science and its sub-fields. Scientometrics. 2021;126(2):1527-1551. [29] JIANG F, WANG F, ZHANG T, et al. Current Trends and Future Directions of Malignancy After kidney Transplantation: A 1970-2022 Bibliometric Analysis. Ann Transplant. 2024;29: e942074. [30] WANG Y, FAN S, WANG W. Knowledge mapping and visualized analysis of research progress in onconephrology: a bibliometric analysis. Ren Fail. 2025;47(1):2477302. [31] ZHU M, XIANG W, ZHU Z, et al. Bibliometric analysis of autophagy in the diagnosis and treatment of osteosarcoma: a bibliometric analysis (2007-2023). Cancer Biol Ther. 2025;26(1): 2484825. [32] ROMERO L, PORTILLO-SALIDO E. Trends in Sigma-1 Receptor Research: A 25-Year Bibliometric Analysis. Front Pharmacol. 2019;10:564. [33] 高文艳,郑兆燕,潘尚,等.Theta爆发式经颅磁刺激的文献计量学和可视化分析[J].中国组织工程研究,2025,29(20):4389-4400. [34] 周辰鲁,廖喜琳,龙泉滋,等.基于Cite Space中医药领域治疗卒中后睡眠障碍的可视化分析[J].齐齐哈尔医学院学报,2025,46(1):90-96. [35] 夏磊,陈敏,钱君.基于CiteSpace孤独症谱系障碍护理研究的可视化分析[J].循证护理, 2025,11(1):115-121. [36] 祁祥,朱智德,卢健棋,等.基于CiteSpace分析中医药治疗慢性心力衰竭的知识图谱[J].西部中医药,2024,37(6):79-83. [37] 殷音,倪伟,李素姣,等.一种新型床旁上肢康复训练机器人的结构设计与运动分析[J].中国康复医学杂志,2024,39(11):1668-1673. [38] 杜妍辰,程铭,罗胜利,等.基于空间末端引导式上肢康复机器人平面游戏的交互方式研究[J].中国康复医学杂志,2024,39(7):1009-1014.  [39] 刘壮,朱纯煜,朱越,等.基于多传感器信息的新型穿戴式上肢外骨骼康复机器人[J].北京生物医学工程,2021,40(3):273-278. [40] 齐东川,邹瑞,刘晋.我国应急管理研究热点和发展趋势的知识图谱分析[J].安全与环境工程,2020,27(2):104-110. [41] 杨泽雨,支亮,王佳,等.高频重复经颅磁刺激研究热点宏观角度的可视化分析[J].中国组织工程研究,2026,30(5):1320-1330. [42] 王贤,曾馨,项杨,等.农文旅融合发展:历史演进､研究热点与发展趋势:基于CiteSpace的可视化知识图谱分析[J].智慧农业导刊,2025, 5(2):34-45. [43] 李杰,陈超美.CiteSpace:科技文本挖掘及可视化[M].北京:首都经济贸易大学出版社, 2016. [44] 赵乾威,孙光源.肠道类器官：组织/器官生物学、疾病建模和临床应用前沿趋势的文献计量学分析[J].中国组织工程研究,2026, 30(1):238-247. [45] 王秋惠,魏玉坤,刘力蒙.康复机器人研究与应用进展[J].包装工程,2018,39(18): 83-89. [46] 冷冰,李旺鑫,刘斌.上肢康复机器人研究及发展[J].科学技术与工程,2021, 21(11):4311-4322. [47] 段志峰.上肢康复机器人设计与研究[D].长春:长春工业大学,2022. [48] 张秀峰,季林红,王景新.辅助上肢运动康复机器人技术研究[J].清华大学学报(自然科学版),2006,46(11):1864-1867. [49] 崔琰琳,沈刘峡.BERTopic模型在产业技术创新分析中的实证研究:以中美外骨骼技术为例[J].中国发明与专利,2025,22(1):16-26. [50] 康治臣,邹晓峰,曲福玲,等.“新医科”背景下康复医学与理疗学专业硕士研究生多学科交叉人才培养的探索与实践[J].中国实验诊断学,2024,28(10):1258-1261. [51] ANGERHÖFER C, COLUCCI A, VERMEHREN M, et al. Post-stroke Rehabilitation of Severe Upper Limb Paresis in Germany - Toward Long-Term Treatment With Brain-Computer Interfaces. Front Neurol. 2021;12:772199. [52] 李翔,陈健尔,张辉煌,等.脑机接口康复训练机器人在脑卒中患者上肢功能康复中的研究进展[J].中国康复医学杂志,2023,38(2): 263-268. [53] 吴军.上肢康复机器人及相关控制问题研究[D].武汉:华中科技大学,2012. [54] 徐浩.基于sEMG的人体上肢运动意图理解与康复应用研究[D].合肥:安徽理工大学,2024. [55] 史珈铭,刘晓婷.老年人社区康复服务需求及其影响因素[J].中国康复理论与实践,2021, 27(3):334-340. [56] 焦宗琪,孟巧玲,邵海存,等.上肢康复训练与生活辅助机器人的设计与研究[J].中国康复医学杂志,2022,37(9):1219-1222. [57] 张伟胜,喻洪流,黄小海,等.一种新型四自由度的上肢康复机器人[J].中国康复理论与实践,2019,25(10):1202-1208. [58] 黄小海,喻洪流,张伟胜,等.索控式中央驱动上肢康复机器人[J].北京生物医学工程,2018, 37(5):467-473. [59] 王露露,胡鑫,曹武警,等.可穿戴上肢康复机器人的设计及其运动仿真和动力学分析[J].北京生物医学工程,2017,36(2):177-185. [60] 聂志洋,孟巧玲,喻洪流,等.上肢康复机器人力交互控制系统设计[J].软件导刊,2021,20(7): 124-128. [61] PAN J, ASTARITA D, BALDONI A, et al. NESM-γ: An upper-limb exoskeleton with compliant actuators for clinical deployment. IEEE Robot Autom Lett. 2022;7(3):7708-7715. [62] NANN M, CORDELLA F, TRIGILI E, et al. Restoring activities of daily living using an EEG/EOG-controlled semiautonomous and mobile whole-arm exoskeleton in chronic stroke. IEEE Sys J. 2020;15(2):2314-2321. [63] ERCOLINI G, TRIGILI E, BALDONI A, et al. A novel generation of ergonomic upper-limb wearable robots: Design challenges and solutions. Robotica. 2019;37(12):2056-2072. [64] TRIGILI E, CREA S, MOISÈ M, et al. Design and experimental characterization of a shoulder-elbow exoskeleton with compliant joints for post-stroke rehabilitation. IEEE ASME Trans Mechatron. 2019;24(4):1485-1496. [65] ZHAO J, GAO H, YANG C, et al. Upper and Lower Limb Training Evaluation System Based on Virtual Reality Technology. Sensors (Basel). 2024;24(21):6909. [66] LIU X, WANG J, LIANG T, et al. SE-TCN network for continuous estimation of upper limb joint angles. Math Biosci Eng. 2023;20(2):3237-3260. [67] 张顺,单泉,黄建聪,等.臂腕混合式上肢康复机器人被动柔顺性控制[J].中国工程机械学报, 2024,22(4):468-473. [68] LYU H, GU YL, LIN G, et al. Research on Compliant Rehabilitation Strategy of Upper Limb Rehabilitation Robot Based on sEMG[C]//International Conference on Intelligent Robotics and Applications. Cham: Springer International Publishing, 2022:400-409. [69] MEHREZ O, EL-AGOUZ SA, BASSUONI MM, et al. Development of an exoskeleton for wrist-joint rehabilitation: modeling, identification, and control. Multibody Syst Dyn. 2025:1-29. [70] MI Y, CALDERON AD. Current Status and Perspectives of Research on Upper Limb Rehabilitation Robots//2024 10th International Conference on Electrical Engineering, Control and Robotics (EECR). IEEE, 2024:129-133. [71] 赵彤彤,章悦,曹港生,等.一种新型7自由度上肢康复外骨骼机器人的结构设计和运动学仿真[J].机械传动,2022,46(2):66-72. [72] 刘斌.上肢康复外骨骼机器人系统关键技术研究[D].合肥:中国科学技术大学,2023. [73] 王立翌,李会军,陆叶,等.基于电机-磁流变阻尼器混合驱动的绳索牵引上肢康复机器人的设计与应用[J].传感技术学报,2024,37(11): 1994-2002. [74] WANG H, LU LY, YANG C, et al. Dynamics analysis and simulation experiments of twist spring drive upper limb rehabilitation robot. J Braz Soc Mech Sci Eng. 2024;46(12):710. [75] 谭荣斌.上肢外骨骼康复机器人控制系统研究[D].济南:山东建筑大学,2021. [76] 郭士杰,宋元昊,王旭升,等.上肢康复机器人主动康复策略的学习及迁移方法[J].机器人, 2024,46(5):562-575. [77] ZHA NG L, YU H, LI D. Reducing Upper-Limb Muscle Effort with Model-Based Gravity Compensation During Robot-Assisted Movement. Sensors (Basel). 2025;25(10):3032. [78] 叶长龙,彭晶鑫,于苏洋,等.桌面式上肢康复机器人自适应柔顺性控制方法[J].沈阳航空航天大学学报,2024,41(5):62-71. [79] NIU W, GUO X, LAN Z, et al. Non-Singular Fast Terminal Sliding Mode Control of 6-PUS Parallel Systems Based on Adaptive Disturbance Estimation. Electronics. 2025;14(6):1111. [80] 杨兰,周小云,许坚,等.等速肌力训练结合上肢康复机器人对脑卒中恢复期偏瘫患者上肢功能恢复､生活质量及神经可塑性的影响[J].机器人外科学杂志(中英文),2024,5(6):1111-1115. [81] 王岩,葛冬冬,刘蓓蓓,等.上肢康复机器人任务导向性训练对肩关节功能障碍患者的疗效观察[J].中国康复,2024,39(11):674-677. [82] PILA O, DURET C. How Can Robotic Devices Help Clinicians Determine the Treatment Dose for Post-Stroke Arm Paresis? Sensors (Basel). 2025;25(5):1612. [83] APRILE IG, GERMANOTTA M, FASANO A, et al. Rehabilitation with and Without Robot and Allied Digital Technologies (RADTs) in Stroke Patients: A Study Protocol for a Multicentre Randomised Controlled Trial on the Effectiveness, Acceptability, Usability, and Economic-Organisational Sustainability of RADTs from Subacute to Chronic Phase (STROKEFIT4). J Clin Med. 2025;14(8):2692. [84] TAN EW, CHAI SC, SANKAI Y, et al. Single Joint Hybrid Assistive Limb (HAL-SJ) robotic exoskeleton therapy in improving functional outcomes among workers with wrist fractures: Study protocol for a randomized controlled trial. PLoS One. 2025; 20(4):e0322191. [85] CARDONE D, PERPETUINI D, DI NICOLA M, et al. Robot-assisted upper limb therapy for personalized rehabilitation in children with cerebral palsy: a systematic review. Front Neurol. 2025;15:1499249. [86] RAJI A, GOPAUL U, BABINEAU J, et al. Industrial-grade collaborative robots for motor rehabilitation after stroke and spinal cord injury: a systematic narrative review. Biomed Eng Online. 2025;24(1): 50. [87] SIDARTA A, LIM YC, KUAH CWK, et al. Relearning Upper Limb Proprioception After Stroke Through Robotic Therapy: A Feasibility Analysis. J Clin Med. 2025;14(7):2189. [88] LI H, GUO S, WANG H, et al.Development of a sEMG-Controlled Portable Exoskeleton System for Home-based Upper Limb Rehabilitation//2024 IEEE International Conference on Mechatronics and Automation (ICMA).[2025-04-14]. [89] 陆蓉蓉,高天昊,胡义茜,等.基于运动想象的脑机接口系统联合不同末端效应器对慢性期脑卒中患者上肢运动功能改善的初步研究[J].中国康复医学杂志,2024,39(8):1104-1110. [90] POBORONIUC MS, IRIMIA DC. FES&BCI based rehabilitation engineered equipment: Clinical tests and perspectives[C]//2017 E-Health and Bioengineering Conference (EHB). IEEE, 2017:77-80. [91] 邹璇.面向偏瘫患者上肢康复的人机协作方法研究[D].成都:电子科技大学,2022. [92] NICORA G, PE S, SANTANGELO G, et al. Systematic review of AI/ML applications in multi-domain robotic rehabilitation: trends, gaps, and future directions. J Neuroeng Rehabil. 2025;22(1):79. [93] 依瑞德集团官网.湖北省高端医疗装备产业发展研究专家组调研依瑞德无创脑机接口与神经调控发展情况[EB/OL]. https://www.yiruide.com/,2025-04-14. [94] 库柏特官网.智能超声机器人[EB/OL].https://cobotsys.com/,2025-04-14. [95] 翔宇医疗官网.尖端科技AI升级翔宇医疗在CMEF释放科技”向新力”[EB/OL].https://www.xyyl.com/,2025-04-14. [96] 邓蓉,刘放,黄陶陶,等.基于人体-外骨骼-负载耦合系统的静态等效串联链的质心估计方法[J].机械传动,2024,48(11):32-36. [97] 秦转萍,赵壮壮,郭庭航,等.基于柔索驱动的手部康复机器人系统设计[J].天津职业技术师范大学学报,2025,35(1):1-6. [98] RODRÍGUEZ-FERNÁNDEZ A, LOBO-PRAT J, FONT-LLAGUNES JM. Systematic review on wearable lower-limb exoskeletons for gait training in neuromuscular impairments. J Neuroeng Rehabil. 2021;18(1):22. [99] 王可心.上肢康复机器人造型设计与研究[D].天津:天津工业大学,2021. [100] 李宇淇,曾庆,黄国志.上肢康复机器人在脑卒中的临床应用进展[J].中国康复理论与实践, 2020,26(3):310-314.

[1]	徐灿丽, 何文星, 王玉萍, 巴寅颖, 迟 莉, 王文娟, 王佳佳. 核因子κB激活激酶在自身免疫、信号通路、基因表达、肿瘤防治等领域的研究脉络与趋势[J]. 中国组织工程研究, 2026, 30(在线): 1-11.
[2]	朱小龙, 张 玮, 杨 阳. 椎间盘再生与修复领域研究热点与前沿信息的可视化分析[J]. 中国组织工程研究, 2026, 30(9): 2391-2402.
[3]	温发延, 李 岩, 强天明, 杨 琛, 申林明, 李亚东, 柳永明. 单侧双通道内镜技术治疗腰椎疾病：全球研究现状及变化趋势[J]. 中国组织工程研究, 2026, 30(9): 2380-2390.
[4]	赖 渝, 陈跃平, 章晓云. 生物活性材料治疗骨感染的研究热点与前沿趋势[J]. 中国组织工程研究, 2026, 30(8): 2132-2144.
[5]	黄 杰, 曾 浩, 王文驰, 吕柱成, 崔 伟. 脂代谢影响骨质疏松症的文献可视化分析[J]. 中国组织工程研究, 2026, 30(6): 1558-1568.
[6]	杨泽雨, 支 亮, 王 佳, 张婧欹, 张清芳, 王玉龙, 龙建军. 高频重复经颅磁刺激研究热点宏观角度的可视化分析[J]. 中国组织工程研究, 2026, 30(5): 1320-1330.
[7]	彭 皓, 陈奇刚, 申 震. H型血管在不同骨骼疾病中研究热点的可视化分析[J]. 中国组织工程研究, 2026, 30(3): 760-769.
[8]	王 飞, 王航平, 代荣娟, 龚凌萱. 足底筋膜炎领域的文献可视化分析[J]. 中国组织工程研究, 2026, 30(24): 6410-6420.
[9]	曲泊霖, 次仁伦珠, 郭锦阳, 孟寒露, 丁冠翔, 桑洪鹏. 骨质疏松性椎体压缩骨折：研究现状与发展趋势的可视化分析[J]. 中国组织工程研究, 2026, 30(23): 6040-6050.
[10]	李一光, 郭皓楠, 丁晓涛, 袁梦瑶, 蒋丽晋, 范新凤, 冯 焱. 国内外老年人肠道微生态研究热点的可视化解析[J]. 中国组织工程研究, 2026, 30(23): 6071-6080.
[11]	邓 青, 张业廷, 牟向前, 王庆军. 身体活动与神经可塑性领域热点主题动态演化的可视化分析[J]. 中国组织工程研究, 2026, 30(22): 5859-5866.
[12]	姜 侃, 阿力木江·阿不都肉苏力, 沙拉依丁·艾尔西丁, 艾克拜尔江·艾赛提, 库提鲁克·守克尔, 艾克热木江·木合热木. 生物材料与骨再生：研究热点及有影响力的500篇文献分析[J]. 中国组织工程研究, 2026, 30(2): 528-536.
[13]	杨姜茜, 李黄岩, 张业廷, 余佐银. 运动干预多发性硬化症的研究热点与主题演变[J]. 中国组织工程研究, 2026, 30(18): 4771-4781.
[14]	陈园月, 沈俊帆, 于 翠, 陆建霞, 胡文萱, 朱 军, 郭 川. 表面肌电图在肌肉骨骼疼痛康复领域应用的知识结构与演化趋势[J]. 中国组织工程研究, 2026, 30(18): 4791-4801.
[15]	孟 卓, 赵仍昊, 章安琪, 化昊天, 王子成, 徐应天, 童培建. 脑机接口技术在脑卒中康复领域应用的文献可视化分析[J]. 中国组织工程研究, 2026, 30(18): 4802-4813.

上肢功能障碍是脑卒中、脊髓损伤、创伤性脑损伤、神经系统退行性疾病以及肌肉骨骼损伤等疾病的常见后遗症，表现为肌力下降、运动协调性丧失、关节活动范围受限、感觉异常甚至完全瘫痪，严重损害患者的日常生活能力和社会参与度[1-7]。上肢功能障碍患者群体的持续扩大使康复治疗师需求相应增长[8-10]。然而，治疗师执行长时间、重复性动作时极易出现肢体疲劳，不仅会降低治疗动作的标准性和一致性，还可能削弱治疗效果[11]。更关键的是，人工操作模式难以量化训练量，进而延长康复周期[12]。为辅助、增强和量化神经康复治疗，上肢康复机器人应运而生[13-15]。随着科技的不断进步，医疗设备持续优化升级，上肢康复机器人在日常康复训练中的作用愈发凸显：不仅能够提供高频高强度训练促进神经重塑[16]，帮助患者重建运动功能并提升其运动能力[17-18]，还能精准强化上肢肌力并执行多样化功能训练[19-21]。尤为重要的是，上肢康复机器人技术显著减轻了治疗师的工作强度，通过自动化流程解放人力，节约资源，极大地缓解了康复医疗压力[22-26]。
过去几年中，上肢康复机器人相关出版物大幅增加[27]。尽管该领域的学术研究蓬勃发展，但针对上肢康复机器人研究领域的系统综述较少。文献计量分析已被研究人员广泛用于评估特定领域的学术研究，探讨知识结构和发展趋势[28-31]。CiteSpace作为一款常用的文献计量软件，为研究人员提供了有效且便捷的方法，助力其客观、全面剖析特定研究领域的结构，并支持通过书目数据库实现知识发现的视觉化探索[27，32-33]。该研究旨在通过CiteSpace 6.1.R1软件，建立近10年上肢康复机器人研究现状和发展过程的深入图景，并绘制知识图谱，进而预测上肢康复机器人的未来趋势。
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

1   资料和方法   Data and methods
1.1   数据来源   检索中国知网和Web of Science核心合集数据库，检索时间范围为2015-01-01/2025-03-13。国内数据库检索式为：“上肢康复机器人”OR“上肢外骨骼机器人”，检索到758篇文献。国外数据库检索式为：“Upper Limb Rehabilitation Robot”OR“Upper Limb Exoskeleton”，检索到438篇文献。经筛选最终纳入文献1 054篇，其中中文文献717篇，英文文献337篇。
1.2   文献纳入与排除标准
纳入标准：与上肢康复机器人相关的文献。
排除标准：①重复发表的文献；②非学术类文献、与主题无关的文献、信息不全的文献。
1.3   数据处理   采用CiteSpace 6.1.R1软件进行可视化分析，根据纳入文献发表时间，设置时间跨度为2015年1月至2025年3月；时间切片为1年；节点类型依次勾选关键词、作者、研究机构；连线强度为Cosine；阈值选择g-index(k=25)，Top N、Top N%设置为默认值；剪枝方式：Pathfinder法、Pruning the merged network法，参数设置完毕后，运行生成对应的知识图谱[34-35]。
1.4   主要观察指标   基于CiteSpace生成的可视化图谱及量化数据，主要观察以下指标：①文献时空特征：2015–2025年中英文文献年度发文量趋势；②学术合作网络：高产作者与研究机构、国家的合作情况；③研究主题聚类：关键词共现网络的前12大聚类；④前沿演进路径：突现强度前15的关键词及时间线图谱的阶段主题跃迁。

上肢康复机器人的研究起源于20世纪80年代[45-46]，第1台上肢康复机器人MIT-Manus问世于1991年，是研究团队专为神经临床治疗应用而设计开发[13]。相较于国外，国内上肢康复机器人研究起步较晚[47]。直到20世纪末，国内对康复机器人的研究才拉开帷幕。首款上肢康复机器人UECM在清华大学诞生，该机器人采用二连杆机构模拟人体上肢，其中机器人大臂、小臂分别由两台伺服电机驱动，可以实现平面内的复合运动[48]。自此国内外上肢康复机器人的研究进入蓬勃发展阶段，为后续智能化、精准化康复机器人的开发奠定了基础，上肢康复机器人研究也在神经医学理论突破与技术迭代的双重驱动下逐步发展成熟。通过CiteSpace软件，呈现了作者、机构、关键词的联系，探索上肢康复机器人领域的热门话题。
3.1   发文量趋势分析   通过CiteSpace软件对近10年国内外相关文献的深入分析，可以清晰地洞察到上肢康复机器人领域目前的研究现状、热点及未来发展趋势。在2015-2025年期间，上肢康复机器人领域的学术发文量呈现出显著的增长趋势。国内外的研究趋势均表现出类似的模式，即发文量从2015年起稳步上升，直至近年达到峰值。这一共同的增长趋势主要是源于技术、社会、市场的多维驱动[49-50]。多学科融合与硬件升级降低研发门槛，脑机接口(BCI)、AI算法融合深化研究[51]。脑机接口系统的优化使上肢康复机器人能无创捕捉解码脑信号，促进神经重塑和功能恢复，展现巨大临床潜力[52]。老龄化加剧与慢性病高发催生庞大康复需求，激发研究活力[53-54]。完全失能及患糖尿病、脑血管疾病等慢性病的群体对社区康复服务需求尤为突出，促进康复产业持续扩张[55]。基于现有增长趋势推测，未来上肢康复机器人领域的发文量将继续保持增长趋势。
3.2   研究作者、机构与国家   在国内，喻洪流为上肢康复机器人领域最为突出的作者，他自2009年起开始从事上肢康复机器人的相关研究，聚焦于“人机共融与智能增强”。喻洪流团队针对康复训练机器人多自由度运动协同的技术瓶颈，提出多构型仿生机构创成理论，攻克了多关节柔顺交互控制难题，显著提升了国产设备的人机交互性能[56-60]。在研究机构方面，国内东北大学、华中科技大学等高产机构在上肢康复机器人领域具有较高的研究实力和影响力。在国际，英文核心作者众多，发文量最高的作者仍为喻洪流，发文量居第2的Crea，Simona团队突破了外骨骼的安全性与便携性瓶颈，拓展康复场景至日常生活，开发脑机接口等智能交互技术，提升患者自主性，并通过严格临床验证推动技术转化，研究成果为脑卒中后上肢功能障碍的精准康复提供了新一代工具链[61-64]。发文量较高的作者来自不同的研究机构，这体现了国际在该领域研究的广泛性和多元性。同时，英文文献中的研究机构间合作相对于国内而言更为紧密，这有助于推动该领域的快速发展。在研究国家方面，综合发文量和中心性美国位居首位，这表明美国在全球上肢康复机器人领域处于核心地位。虽然中国发文量位居第一，但中心性较其他国家偏低，与美国、意大利等国家存在一定差距，需要进一步建立与其他国家密切的合作关系。尽管国际合作日益增多，但整体作者合作网络密度仍偏低，这种松散的合作模式可能制约知识共享与技术突破。因此，加强跨团队、跨国交流合作将是未来研究的重要方向。
3.3   研究热点与趋势   通过关键词共现分析、聚类分析及时间线图分析，可以得出上肢康复机器人领域的研究热点。
3.3.1   核心技术方法   包括虚拟现实[65]、人机交互[66]、柔顺控制[67]、轨迹规划[68]、力反馈技术。杜妍辰等[38]为提升上肢功能障碍者的康复训练积极性，针对上肢康复机器人特性，创新提出两种游戏交互方式：①关节角映射交互：通过关节角度与游戏坐标的实时转换，降低运算复杂度，提升响应速度；②末端轨迹复现交互：精准捕捉机械臂末端运动轨迹，实现游戏画面与物理动作的1∶1同步，增强沉浸感。ZHAO等[65]将虚拟现实技术融入上肢康复训练，设计沉浸式交互系统。通过Kinect 2.0和Leap Motion
传感器捕捉运动数据，实时传输至虚拟场景，患者可在多样化场景中训练，系统根据准确性提供反馈，推动康复训练的精准化和系统化发展，在康复医学领域展现出广阔的应用前景。这些核心技术的进步驱动上肢康复机器人智能化升级，推动康复多元化发展。
3.3.2   机器人设计与优化   机器人设计与优化包括外骨骼结构设计[69-70]、运动学与动力学仿真[71]、拓扑优化[72]、质心特性分析、并行驱动外骨骼。王立翌等[73]设计了具有低惯性特性的电机-磁流变阻尼器混合驱动系统，采用绳索牵引末端的方式替代传统的电机驱动机器人运动，实现在大工作空间内的柔顺操作。WANG等[74]设计七索驱动上肢康复机器人，创新采用冗余索配置优化肩肘关节运动耦合。基于绞索驱动原理建立多自由度耦合动力学模型，结合SolidWorks-MATLAB/Simulink-dSPACE仿真验证，为多自由度耦合建模提供理论支撑，为临床康复工程提供新型技术解决方案。机器人设计的不断优化，使上肢康复机器人更贴合人体生物力学特性，改善患者康复体验。
3.3.3   控制策略与算法   控制策略与算法包括主动/被动控制策略、非线性控制、模型预测控制、逆运动学算法[75]、闭环控制[76-77]。叶长龙等[78]观察到传统的位置控制无法满足患者康复训练的需求，提出一种基于位置闭环的自适应柔顺性控制方法，在DULRR系统下模糊PID响应时间更短、稳态误差更小，体现出了较好的轨迹跟踪能力。为解决脑卒中患者在被动康复训练过程中的柔顺性控制问题，提高患者在康复训练过程中的安全性和舒适性，张顺团队[67]提出了一种基于阻抗控制的由轨迹规划和轨迹跟踪2部分组成的上肢康复机器人被动柔顺性控制系统。NIU等[79]针对脑瘫儿童骨盆康复中6-PUS并联机构动力学复杂、建模误差显著的问题，提出基于自适应干扰估计的非奇异快速终端滑模控制(NFTSM)。该方法通过自适应估计实时获取系统外部干扰与建模误差，实现前馈补偿；结合非奇异快速终端滑模控制器确保轨迹跟踪误差快速收敛并抑制滑模抖振。仿真表明，该方法在建模误差与外部干扰下仍能实现高精度轨迹跟踪。控制策略与算法创新支撑智能化升级，使机器人行为更贴合康复需求，推动康复机器人不断发展。
3.3.4   临床应用与评估   临床应用与评估包括脑卒中康复[80-81]、生物力学评估[82]、随机对照试验[83-84]、系统综述[85]、工业应用[86]。杨兰等[80]将等速肌力训练结合上肢康复机器人训练应用于脑卒中恢复期偏瘫患者，发现其可促进上肢功能恢复，提升生活质量，改善神经可塑性。SIDARTA等[87]评估了机器人辅助脑卒中患者上肢本体感觉再学习的可行性，9例慢性偏瘫患者完成15次训练(患臂遮眼)，辅以机器人触觉引导与奖励反馈，多时间点评估显示：训练显著改善运动表现，且以感觉功能改善为主。LI等[88]针对上肢偏瘫患者居家上肢康复需求，研发便携式表面肌电信号控制康复机器人，采用齿轮驱动外骨骼实现居家训练。系统通过肌电信号捕捉运动意图，支持被动与双侧协同训练模式，试验验证了其辅助患侧上肢运动的可行性，为居家康复提供新技术方案。临床研究推动多元康复路径构建，为技术转化提供临床依据。
3.3.5   新兴技术与跨学科融合   新兴技术与跨学科融合包括脑机接口[89]、混合功能性电刺激-外骨骼控制[90]、人机协作[91]、人工智能[92]、跨场景拓展。陆蓉蓉等[89]比较脑机接口联合腕关节机器人反馈与虚拟现实反馈对慢性脑卒中患者上肢康复的疗效，发现机器人组改善表面肌电信号和运动诱发电位优势显著，提示其通过整合物理交互与神经反馈可能增强感觉-运动耦合效应，支持脑机接口系统结合实体机器人反馈的优化方向，以提升康复疗效。新兴技术与跨学科融合提示技术融合与跨场景拓展潜力，指明跨学科协同创新为未来研究热点。
3.3.6   康复制造行业发展   技术研究推动康复制造行业革新加速。依瑞德集团的无创脑机接口技术实现动态监测与精准干预一体化，已应用于抑郁症、阿尔茨海默病等神经康复领域[93]。库柏特超声机器人融合了机器人遥操作、多模态数据采集与AI算法，支持远程遥操作与自动扫查双模式，可实时识别疑似病灶并生成标准化影像报告，未来或扩展至上肢康复的精准评估[94]。翔宇医疗脑机接口技术通过识别脑电波特征，将大脑意图转化为指令，实现患者通过脑电信号自主控制康复设备训练[95]。当前行业共性挑战集中于高端传感器研发、算法优化及多自由度耦合建模突破，邓蓉等[96]研究者们提出的基于静态等效串联链原理的质心估计方法，不仅为解析人体-外骨骼-负载耦合系统在不同负载场景下的质心动态特性提供了新视角，更凸显了外骨骼深度耦合领域蕴含的巨大研究潜力。未来需突破技术创新与融合瓶颈并拓展应用场景，以此驱动领域发展。
综合以上分析，未来上肢康复机器人的研究趋势主要涉及以下几个方面：①技术融合与智能化升级，如脑机接口-外骨骼深度耦合、人工智能深度赋能[97-98]；②跨学科协同创新，如从卒中康复向围术期肌力训练；③临床应用完善，进行更大规模的临床试验和更全面的评估体系，如结合多模态数据评估康复效果[99]、构建个性化康复路径[100]。
结论：上肢康复机器人领域的学术发文量呈现显著增长趋势，反映该领域已成为全球研究热点。该研究揭示其核心发展方向包括核心技术方法、机器人设计与优化、控制策略与算法、临床应用与评估，以及新兴技术与跨学科融合。国内外研究呈现差异化路径：国内遵循临床需求→技术迭代→“控制-临床-应用”协同演进；国外经历临床机制→技术融合→场景应用三阶段跃迁，形成“需求-技术-场景”驱动链；最终均向“控制算法优化-临床需求响应-跨场景协同”模式收敛。
展望未来，上肢康复机器人的研究趋势主要涉及技术融合与智能化升级、跨学科协同创新以及临床应用完善等方面，后续学者可从以上方面着手展开研究。该研究也存在一些局限性。首先，仅对中国知网和Web of Science核心合集数据库两个数据库近10年的文献进行分析，一些期刊可能未被纳入，从而造成遗漏；其次，为确保分析质量，研究筛选排除了非学术类、信息不全等文献，可能会导致遗漏一些新的发现和观点；最后，对文献计量分析结果的解释可能会受个体认知的影响，结果可能存在一定的偏差。
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

上肢康复机器人研究领域目前聚焦5大方向：①核心技术方法(虚拟现实、人机交互、柔顺控制提升训练趣味性与精准性)；②机器人设计优化(贴合人体生物力学特性)；③智能控制算法(自适应控制、轨迹规划满足个性化需求)；④临床验证(大规模随机对照试验评估效能)；⑤跨学科创新(脑机接口、人工智能驱动新突破)。未来趋势倾向技术融合与智能化升级、跨学科协同创新、临床应用完善。研究通过CiteSpace对近10年1 054篇上肢康复机器人研究领域中英文文献进行计量分析，首次系统揭示国内外差异化路径并最终共同聚焦“控制算法优化-临床需求响应-跨场景协同”模式，提供全景图谱，指明技术融合与多场景适配为未来突破核心。

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

	阅读次数
	全文
	摘要