对比文件名称：US2018148051A1_Description_20251231_2001
目标专利名称：用于车辆的消息广播
本次调用模型名称：DeepSeek最新版模型
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A：一种控制车辆的方法，包括：** <br>**《未公开》** | 无对应引用。对比文件全文描述了一种用于自动驾驶车辆的路径规划系统和方法，其核心是基于传感器数据定义感兴趣区域、构建状态图并进行图搜索以选择成本最低的路径（参见摘要、第[0005]段、第[0068]-[0070]段、图4-5及方法500）。 | **论述**：对比文件公开的是一种“路径规划方法”，其目的是为自身车辆（AV）在面对不确定环境（如无保护左转）时，基于传感器数据计算出一条最优路径。该方法的核心步骤是接收传感器数据、定义感兴趣区域、构建状态图（lattice）并进行图搜索（第[0068]-[0070]段，图5步骤502-514）。这与目标专利权利要求1的主题“一种控制车辆的方法”在广义上属于同一技术领域（车辆控制）。然而，目标专利方法的核心在于 **处理来自其他车辆（发送车辆）的通信消息（意图消息）** ，并基于消息内容控制自身车辆。对比文件的方法完全基于自身传感器的感知数据，未涉及接收和处理来自其他车辆的特定格式的通信消息（意图消息）。因此，对比文件公开的“路径规划方法”在整体技术方案的目的、实现方式和解决的技术问题上，均不同于目标专利的“控制车辆的方法”。目标专利旨在通过车与车（V2V）通信共享运动规划信息来协同决策，而对比文件旨在通过优化自身车辆的路径搜索算法来独立应对复杂路况。两者属于不同的技术构思。故技术特征A **未被直接公开，也未被隐含公开**。 |
| **技术特征B：接收包括用于发送车辆的运动规划的意图消息，** <br>**《未公开》** | 无对应引用。对比文件中车辆（AV 10）通过传感器系统（28）接收关于环境的数据（第[0046]段，第[0075]段），例如来自雷达、激光雷达、摄像头等（第[0046]段）。车辆也通过通信系统（36）与其他实体进行V2V、V2I等通信（第[0051]段）。 | **论述**：对比文件确实提到了车辆可以接收传感器数据，并且具备V2V通信能力（第[0051]段）。然而，在描述其路径规划核心方法（如方法500）时，输入始终是“传感器数据”（sensor data）（第[0068]段，图4中的401，图5步骤502），并未提及接收一种特定的、包含“发送车辆的运动规划”的“意图消息”（intent message）。虽然本领域技术人员知道V2V通信可以传输各种信息，但对比文件的具体技术方案中，并未集成或利用这种包含其他车辆详细运动规划（含轨迹和描述符）的意图消息作为其路径规划算法的输入。其路径规划完全依赖于自身传感器对环境中其他对象（车辆）的观测和预测（第[0075]-[0077]段）。因此，对比文件没有公开“接收包括用于发送车辆的运动规划的意图消息”这一特定技术特征。 |
| **技术特征C：其中，所述运动规划包括所述发送车辆的轨迹以及与所述发送车辆相关联的一个或多个车辆描述符，并且其中，所述一个或多个车辆描述符包括车辆物理能力，其中，所述车辆物理能力包括转弯半径、车辆最高速度和车辆最大加速度中的至少一项；** <br>**《隐含公开 c》** | 1. **关于轨迹**：对比文件描述了对其他车辆（对象）的路径预测。例如，第[0075]段：“Module 440 is generally configured to determine a set of predicted paths of one or more objects likely to intersect the region of interest...”。图6-7中示出了其他车辆（601， 602）的预测路径（611， 612）。<br>2. **关于车辆物理能力（速度、加速度）**：对比文件在描述自身车辆（AV）的状态时，反复提及位置（position）、速度（velocity）和加速度（acceleration）是状态的基本参数（第[0071]段，第[0079]段，第[0082]段，第[0086]-[0091]段）。在构建状态图（lattice）时，节点状态包括位置、速度和加速度（第[0082]段，第[0086]段）。对于其他对象，也提及要考虑其位置、速度、加速度等属性以预测其路径（第[0077]段）。虽然未明确使用“车辆物理能力”或“转弯半径”等术语，但速度、加速度是车辆的基本物理能力参数。 | **论述**：首先，对比文件公开了预测其他车辆的“路径”（predicted paths），这对应于“发送车辆的轨迹”。其次，对比文件在预测对象路径和定义自身状态时，明确将“速度”和“加速度”作为核心参数。本领域技术人员可以合理推断，为了准确预测一个车辆的路径（尤其是未来路径），必须知晓或估计该车辆的基本物理能力，如最大速度、加速度能力等，因为这将限制其可能的运动范围。例如，一辆重型卡车的最大加速度与一辆跑车的最大加速度不同，这将直接影响其路径预测。虽然对比文件没有明确列举“转弯半径”，但“速度”和“加速度”是“车辆物理能力”的典型且重要的子集。在对比文件公开了预测车辆路径并考虑其速度、加速度的上下文中，本领域技术人员能够理解，这些信息实质上是描述车辆运动能力的属性，即属于“车辆物理能力”的范畴。因此，技术特征C中关于“运动规划包括轨迹”以及“车辆描述符包括车辆物理能力（速度、加速度）”的内容，被对比文件 **隐含公开**。它在对比文件中的作用是为路径预测和碰撞检查提供基础数据，与目标专利中作为广播信息以协助接收方理解发送方能力的作用，在本质上都是用于描述和预测车辆行为，因此作用相同。 |
| **技术特征D：对所述意图消息进行解析以识别用于所述发送车辆的所述运动规划；** <br>**《未公开》** | 无对应引用。对比文件中对传感器数据进行处理以感知环境、定位和预测对象路径（第[0062]-[0064]段，第[0074]-[0077]段），但未描述对特定格式的通信消息进行解析以提取运动规划。 | **论述**：由于对比文件没有公开“接收包括用于发送车辆的运动规划的意图消息”（技术特征B），因此自然也不存在后续“对意图消息进行解析以识别运动规划”的步骤。对比文件中处理的是原始的或多源融合的传感器数据，而非结构化的、来自其他车辆的意图消息。该特征未被公开。 |
| **技术特征E：以及至少部分地基于所述运动规划来控制所述车辆，包括：至少部分地基于由所述车辆物理能力限制的所述发送车辆的车辆行为模型，来设置针对所述发送车辆的行为预测。** <br>**《未公开》** | 对比文件中描述了基于预测的其他对象路径来控制自身车辆。例如，第[0075]段提到确定可能穿过感兴趣区域的对象的预测路径集。第[0105]段说明搜索图以选择使车辆通过感兴趣区域且总成本最低的路径。整个方法500（图5）的目的就是基于对环境的感知（包括对其他对象的预测）来规划和控制自身路径。 | **论述**：虽然对比文件公开了“基于对其他车辆（对象）的路径预测来控制自身车辆”，但这与技术特征E有本质区别。技术特征E明确限定了控制方式是基于 **接收到的运动规划** ，并且具体包括 **基于车辆物理能力限制的车辆行为模型来设置行为预测**。对比文件中的路径预测是基于自身传感器对周围环境的观测，通过算法（可能包含模型）推断出来的（第[0075]，[0077]段），而不是通过解析其他车辆主动广播的、包含其自我声明的运动规划和能力描述的消息得到的。此外，对比文件没有提及建立或使用一个明确的、由车辆物理能力参数（如最高速度、最大加速度）限制的“车辆行为模型”来专门设置针对该发送车辆的行为预测。其预测更侧重于几何路径和时序上的交集判断。因此，该特征未被公开。 |
| **技术特征F：所述一个或多个车辆描述符进一步包括传感器可感知属性。** <br>**《未公开》** | 对比文件中的传感器（如摄像头、雷达、激光雷达）可以感知车辆的颜色、形状、尺寸等（第[0046]段）。在感知系统中，会合成和处理传感器数据以预测对象的存在、位置、分类等（第[0062]段）。 | **论述**：对比文件公开了车辆传感器可以感知其他车辆的属性（即可感知属性），并且这些属性被用于对象的检测和分类。然而，技术特征F是限定在 **所述一个或多个车辆描述符中** 包括传感器可感知属性，即这些属性是作为“发送车辆”自我描述的一部分，包含在其广播的“运动规划/意图消息”中。对比文件并未公开其他车辆会主动广播其自身的“传感器可感知属性”（如颜色、车牌号）作为描述符。这些属性在对比文件中是由接收方（AV）的传感器被动感知获得的，而非通过通信接收的。因此，该特征未被公开。 |
| **技术特征G：至少部分地基于所述运动规划来控制所述车辆包括：至少部分地基于所述运动规划来确定用于所述车辆的预期感兴趣区域；以及将检测算法应用于在所述预期感兴趣区域处的接收的传感器数据，以至少部分地基于所述传感器可感知属性来在所述接收的传感器数据中检测所述发送车辆。** <br>**《未公开》** | 1. **关于确定感兴趣区域**：对比文件详细描述了基于传感器数据为自身车辆定义“感兴趣区域”（region of interest）（第[0068]段，第[0075]段，图5步骤502，图7中的702）。这是路径规划的起点。<br>2. **关于应用检测算法**：对比文件描述了使用感知系统（如计算机视觉系统）处理传感器数据以识别和分类对象（第[0062]段）。 | **论述**：技术特征G是一个特定的、利用 **接收到的运动规划** 来辅助感知（检测）发送车辆的方法。其核心在于：使用运动规划（特别是其中的轨迹信息）来缩小感知的“预期感兴趣区域”，并利用运动规划中携带的“传感器可感知属性”来辅助检测算法。对比文件虽然公开了“确定感兴趣区域”和“应用检测算法”，但其“感兴趣区域”是 **基于自身车辆的意图和路径规划定义的**（例如，要左转的区域，见图7），目的是规划自身路径，而非用于检测特定其他车辆。其检测算法处理的是整个传感器视野，目的是识别所有对象，而非专门针对一个已知的、已广播其属性和轨迹的车辆进行聚焦检测。对比文件缺少“基于接收到的其他车辆的运动规划来确定用于检测该车辆的预期感兴趣区域”这一关键限定，也缺少“基于接收到的传感器可感知属性来辅助检测”的限定。因此，该特征未被公开。 |
| **技术特征H：至少部分地基于所接收的运动规划来选择所述检测算法。** <br>**《未公开》** | 无对应引用。对比文件未描述根据接收到的信息动态选择或切换不同的检测算法。 | **论述**：该特征完全依赖于接收其他车辆的运动规划。由于对比文件未公开接收此类运动规划，因此自然也谈不上基于它来选择检测算法。该特征未被公开。 |
| **技术特征I：至少部分地基于所述运动规划来控制所述车辆包括：至少部分地基于所述传感器可感知属性来将车辆检测传感器数据与所述发送车辆进行关联。** <br>**《未公开》** | 对比文件描述了传感器融合操作，例如计算机视觉系统合成和处理来自多个传感器的数据（第[0062]段）。这涉及到将不同传感器的检测数据与同一对象进行关联。 | **论述**：技术特征I强调的是，利用从消息中获得的、发送车辆自我声明的“传感器可感知属性”（如特定颜色、车型），来帮助将不同传感器（如摄像头和雷达）检测到的数据关联到同一个车辆（即发送车辆）上。对比文件虽然公开了传感器融合和关联，但其关联的依据是自身传感器观测到的特征和空间一致性，而非依据从外部通信获得的、先验的车辆描述属性。该特征未被公开。 |
| **技术特征J：确定所述发送车辆的行为是否符合所述行为预测；以及响应于确定所述发送车辆的所述行为不符合所述行为预测，至少部分地基于所述车辆物理能力来更新所述行为预测。** <br>**《未公开》** | 对比文件的路径规划是实时或周期性进行的，会持续接收新的传感器数据并更新预测（第[0074]段，方法500可周期性运行）。如果其他车辆的行为偏离预测，在新的规划周期中，系统会基于最新的传感器数据重新计算预测路径（隐含在持续运行的方法500中）。 | **论述**：技术特征J描述了一个具体的反馈控制循环：1) 基于接收到的运动规划设置行为预测；2) 监测实际行为是否符合该预测；3) 若不符合，则利用车辆物理能力更新预测。对比文件中确实存在根据新观测更新预测的机制，但这并非基于一个预先接收的、作为“承诺”或“声明”的“运动规划”来设置初始预测，也非在发现偏离该声明后，专门利用其声明的“车辆物理能力”来修正模型。对比文件的更新是基于所有传感器数据的重新处理，是全局的、非针对性的。因此，该特征未被公开。 |
| **技术特征K：所述一个或多个车辆描述符进一步包括车辆位置属性。** <br>**《隐含公开 k》** | 对比文件在描述车辆状态和对象预测时，反复将“位置”（position）作为核心参数（第[0071]段，第[0077]段，第[0079]段，第[0082]段）。例如，第[0077]段：“...take into account, for example the position, speed, acceleration, pose, size, and any other relevant attribute of nearby objects...”。 | **论述**：“车辆位置属性”是描述车辆状态最基本的信息之一。对比文件在预测其他对象路径时，明确将“位置”作为必须考虑的关键属性。在对比文件公开了预测其他车辆路径并考虑其位置、速度、加速度的上下文中，本领域技术人员能够直接且毫无疑义地确定，“位置”信息是描述该车辆状态不可或缺的一部分。因此，技术特征K中“车辆描述符包括车辆位置属性”的内容，被对比文件 **隐含公开**。它在对比文件中的作用是为路径预测和碰撞检查提供空间基准，与目标专利中作为广播信息的一部分以告知接收方自身位置的作用相同。 |
| **技术特征L：至少部分地基于所述运动规划来控制所述车辆包括：至少部分地基于所述车辆位置属性来确定所述发送车辆的位置；确定在所述车辆的位置与所述发送车辆的位置之间的比较是否指示误差；以及响应于确定在所述车辆的位置与所述发送车辆的位置之间的所述比较指示误差，来触发对所述车辆的位置的重新计算。** <br>**《未公开》** | 对比文件包含定位系统（76），用于确定自身车辆相对于环境的位置（第[0063]段）。 | **论述**：技术特征L描述了一个利用其他车辆广播的精确位置信息来校验和修正自身定位的特定方法。对比文件虽然具备定位功能，但未公开将其他车辆广播的“车辆位置属性”作为参考基准，与自身感知到的该车辆位置进行比较，并通过发现误差来触发自身重定位。其定位主要依赖于GPS、地图匹配和自身传感器，未提及这种车对车的位置交叉验证机制。该特征未被公开。 |
| **技术特征M：至少部分地基于所述运动规划来控制所述车辆包括：确定所述运动规划是否是不安全的；以及响应于确定所述运动规划是不安全的，来向所述发送车辆发送安全警告。** <br>**《未公开》** | 对比文件的成本函数（cost function）会评估路径的安全性，例如是否可能与其他对象发生接触（第[0084]段）。其规划目标就是选择安全的路径。 | **论述**：技术特征M描述的是接收车辆对发送车辆广播的“运动规划”进行安全检查，并在认为不安全时向发送车辆反馈警告。这是一个典型的车与车协同安全机制。对比文件中的安全性评估完全是 **对自身规划的路径** 进行的，目的是为自身选择安全路径，而不是 **对其他车辆声明的意图** 进行评估并主动向对方发出警告。对比文件没有公开这种车与车之间的安全责任交互机制。该特征未被公开。 |
### 结论
综上所述，对比文件US2018148051A1主要公开了一种基于传感器数据和图搜索的自动驾驶车辆独立路径规划方法。其未公开目标专利核心的“接收并解析来自其他车辆的意图消息”的技术构思，因此，依赖于该通信机制的大部分技术特征（A, B, D, E, F, G, H, I, J, L, M）均未被公开。
技术特征C（运动规划包括轨迹及车辆物理能力）和技术特征K（车辆描述符包括车辆位置属性）的相关内容，被对比文件中关于预测其他车辆路径时需考虑其位置、速度、加速度等信息的描述所 **隐含公开**。
<<<c>>><<<k>>>