EthoClaw 是什么？
EthoClaw 是广东一湾生命科技有限公司 面向神经行为学、药效评价和动物行为研究领域研发的 开源智能体项目。
它基于 OpenClaw 项目构建，以自然语言驱动，覆盖从原始视频输入到论文可发表结果的全流程，能够充分利用本地计算资源，规避海量数据上传云端的带宽瓶颈。
EthoClaw 的预印版论文已经在 bioRxiv 上线，GitHub 上已有完整代码和文档，欢迎下载使用，有问题可以在 GitHub 上提 Issue。
bioRxiv 链接：
https://doi.org/10.64898/2026.03.25.714141
GitHub 链接：
01 解决痛点
做动物行为分析，绕不开这些环节：
-
视频标注需要人工逐帧完成，DeepLabCut 虽好，但每换一台电脑就要重装一遍环境
-
Python、MATLAB 画图功能强大，但调样式、配色的时间往往比数据分析本身还长
-
GraphPad Prism 是标配，但导数据、选统计方法、写方法部分，全靠手动
EthoClaw 想做的事很简单：把这些碎片化的工具，用 AI 串联成一个完整的工作流，让研究者只需说一句要什么，就能拿到可以直接用的结果。
02 核心功能介绍
| 零样本姿态估计 |
EthoClaw 提供双模态追踪架构，可直接传入原始实验视频。
第一种模式基于图像处理的快速目标检测，适用于高对比度场景（如白底上的黑色小鼠），无需任何标注，CPU 即可快速运行。
对于更高精度的姿态分析，EthoClaw 直接集成 DeepLabCut SuperAnimal 预训练模型，调用 superanimal_topviewmouse，可输出 27 个解剖关键点（头部 8 点、躯干 8 点、四肢 6 点、尾部 5 点），直接对俯视小鼠视频进行无标注的姿态估计。在标准开放场测试中，单个视频（640×360 分辨率，30Hz，5 分钟，共 9,000 帧）从输入到输出全程自动完成，无需人工干预。
告别逐帧标注，拥抱即拍即分析。
| 轨迹热图 & 速度热图 |
提供追踪数据后，一键生成 publication 级可视化图表。系统可自动生成轨迹热图和速度热图。
不用写代码，对话形式生成热图
| 多组统计分析与小提琴图 |
基于标准化 HDF5 数据，EthoClaw 自动计算运动学参数（速度、加速度、停留时间等），并执行组间统计检验。两组数据默认 Welch’s t 检验，三组及以上使用 Kruskal-Wallis 检验，组间差异显著时自动执行两两比较并用 Holm-Bonferroni 方法校正 p 值。结果以小提琴图呈现，叠加原始数据点、均值±SEM 误差棒，并直接在图上标注显著性。
还在手动粘贴数据到 GraphPad 进行统计吗？
这些和 EthoClaw 对话就行。
| 多维雷达图与聚类分析 |
支持多维参数雷达图，可视化各实验组在所有运动学维度上的整体表型差异。同时提供层次聚类热图，参数差异一目了然。
多组参数可视化对比
| 论文自动排版 |
结果图自动排版为 Figure，配有 a/b/c/d 子图编号、标题和图注，支持导出 LaTeX 或 PDF。
Adobe Illustrator 能做的排版活，
现在可以交给 EthoClaw。
| 分析报告自动生成 |
完成分析流程后，系统自动生成包含实验背景、样本信息、统计结果和结论的结构化报告。如有疑问还可继续和 EthoClaw 对话，获取各步骤的计算细节。
审稿人质疑方法部分不清晰？
直接和 EthoClaw 对话获取细节。
| 文献追踪与知识库 |
支持从 arXiv / PubMed 获取每日最新的相关领域论文，自动排序并生成摘要简报。同时支持解读本地 PDF 文献，自动解析并生成结构化输出。最终形成本地前沿论文库或研究日志。
追踪前沿文献这件事，以后不用每天手动刷了。
03 技术架构
EthoClaw 基于 OpenClaw 项目构建，以对话形式驱动，利用本地计算资源分析，规避海量数据上传云端的带宽瓶颈。
-
多 Skills 驱动的行为学分析： OpenCV 图像处理（快速模式，中心点追踪）+ DeepLabCut SuperAnimal（高精度模式，多点追踪）无标记动物自动追踪模块；数据标准化模块，自动转为DeepLabCut 的兼容格式；基于Python 的scipy/statsmodels/scikit-learn 等统计可视化模块；以及报告生成、Figure 自动排版、文档总结、论文联网搜索模块等。
-
性能优化： 优化 OpenClaw 源码，提升了高频工具调用场景下的响应速度，优化了体验。
-
数据标准化： 统一转换为 DeepLabCut 兼容格式（HDF5/CSV），支持 CSV、Excel、HDF5 混合来源
-
兼容 OpenClaw 生态： 能够接入 ClawHub 等社区的海量插件，能够接入飞书、Telegram 等平台，实现远程分析。
推荐配备 NVIDIA GPU；无 GPU 亦可运行，但可能无法使用基于 SuperAnimal 的动物姿态估计。
04 开源说明
首个版本（v1.0.0）已发布在 GitHub，MIT 许可证，完全免费。
当前版本的已知限制：
-
目前聚焦于单动物俯视范式，尚未支持 3D 追踪和多动物身份追踪
-
目前追踪和姿态估计模块仅支持白色背景下的黑色小鼠
-
暂时无法使用交互式操作来划定特定区域，如高架十字实验开放臂等，但可以通过对话形式告诉 EthoClaw 坐标来进行分析
-
分析全过程由 AI 运行，可能有误，强烈建议人工复核各环节结果
欢迎提交 Issue 反馈问题。我们希望通过开源，有更多人参与进来，才能让这个工具更快变得完善。
云端体验版正在部署，上线后将同步公告。
EthoClaw 预印版论文现已发布在 bioRxiv，可通过下方链接查看技术细节。
相关链接
GitHub：
bioRxiv 论文：
https://doi.org/10.64898/2026.03.25.714141
体验版： （即将上线）
| 开发团队 |
黄 康，陈 可，陈梓明，郑大港，方 翔，梁境鸿，
李振勇，陈雨锋，邹洁蒙，蔡炳东，陈善达