对比文件名称：2011-05-24_US7949428B_发明授权_US07949428B2 Robot apparatus and method of controlling the same
目标专利名称：208动态空间目标选择CN106796667B
模型名称：创造性评估模型
特征比对表格如下：
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| 技术特征A《未公开》 | 无 | 对比文件涉及使用振荡器控制机器人腿部周期运动，以实现行走、踏步等动作。虽然机器人运动有目标（如到达某点），但未描述将多个目标映射到一个“目标地图”的不同位置。目标专利中“目标地图”是空间位置的有组织表示，用于目标选择，此概念在对比文件中未出现。 |
| 技术特征B《未公开》 | 无 | 对比文件未描述包含相对于机器人位置的多个位置的空间环境“目标地图”。其控制基于传感器反馈直接调整关节或腿部轨迹，而非在一个地图结构中表示多个候选位置。 |
| 技术特征C《未公开》 | 无 | 对比文件使用神经振荡器（神经元模型）产生控制信号，但每个振荡器用于描述腿部在特定方向（如X、Z）的运动，或控制特定关节。它们不代表“目标地图”中的位置，而是运动控制器。因此，未公开由神经元表示地图位置的特征。 |
| 技术特征D《隐含公开》 | [0113]段：“在一种配置中，对象、用户、和/或网络学习到高值目标趋向于出现在特定区划中，诸如空间的左上象限。从而，在此示例中，可使目标选择偏向该特定区划。”<br>[0120]段：“即，在一种配置中，选择准则指定胜者全得网络，该网络包括被叠加以使选择偏向特定区划的空间注意力地图。该偏置可使用交叉抑制性连接...”<br>[0133]段：“该神经处理器芯片提供多种多样的功能性，其中特定功能性可基于当前附连至神经处理器的存储卡中所存储的突触权重。” | 目标专利中“动态地修改目标选择函数以使机器人设备偏向或偏离候选目标地移动”的核心思想是通过控制神经网络连接的失衡量来调整选择偏向。对比文件虽未使用“目标选择函数”一词，但其核心控制原理相同：通过向神经振荡器输入非周期性反馈信号（一种失衡量控制），临时且动态地改变振荡器的输出幅值或相位，从而使机器人运动“偏向”或“偏离”特定动作模式。例如，为应对前向外力，向描述前向运动的振荡器输入非周期信号以临时增加步幅（偏向于大步前进，见[0288]-[0291]段及图54）；为提高摆动腿高度，向描述垂直运动的振荡器输入非周期信号（偏向于抬高腿，见[0244]-[0257]段及图35）。这种基于外部条件动态调整反馈信号以改变运动模式（即修改了决定机器人动作的“函数”），在原理上与动态修改目标选择函数以使机器人行为发生偏向是一致的。因此，本领域技术人员可以从对比文件公开的“通过非周期反馈信号动态改变振荡器输出以调整机器人动作”中，合理推断出“通过控制失衡量来动态修改函数以使机器人偏向或偏离候选目标地移动”这一技术特征。 |
| 技术特征E《直接公开》 | [0153]段：“g+和g-是反馈项，分别应用于正侧神经元素和负侧神经元素。”<br>[0165]表1及随后的描述（如D-1, D-2, D-3节）详细说明了向正侧元素输入激励信号、向负侧元素输入抑制信号等不同组合。<br>[0250]-[0252]段及公式(36)-(41)：根据传感器条件（如腿部离地、躯干角速度），生成非周期性反馈信号gz_1l+等，并加到周期性反馈信号上输入给振荡器。 | 对比文件明确公开了向神经振荡器的正侧或负侧神经元素施加反馈信号（g+, g-），这些信号根据特定的准则（如腿部是否触地、躯干角速度方向）被设置为正值（激励）或负值（抑制）。例如，公式(36)-(37)定义了当腿部反力低于阈值且躯干角速度满足条件时，施加一个大的正反馈信号（+10.0）。这直接对应于“基于偏置准则来激励至神经元的连接或抑制至神经元的连接”。 |
| 技术特征F《未公开》 | 无 | 对比文件中的神经振荡器（神经元）用于控制腿部在X、Z方向上的运动轨迹或关节角度，其输出映射为位置命令。这些神经元不代表“候选目标”所对应的位置，而是运动执行器。目标专利中神经元直接代表目标地图中的位置（候选目标），两者功能不同。 |
| 技术特征G《未公开》 | 无 | 对比文件中的神经振荡器由两个相互抑制的神经元素（公式1-4）构成，这本身是一个神经元模型单元，并非连接在“一对输入和输出神经元之间”的“中间神经元”。动态修改是通过改变外部输入反馈信号（g+, g-）实现的，而非修改振荡器内部神经元素的“可兴奋性”或它们之间“突触权重的功效”。对比文件未公开此特定结构。 |
| 技术特征H《直接公开》 | [0156]段：“因此，本发明人认为，不是从常规周期信号获得的反馈信号，而是具有较大值的临时反馈信号，对于使机器人返回捕获区域是有效的。”<br>[0157]段：“临时反馈信号在此指的是短期非周期反馈信号，仅当机器人脱离捕获区域时应用。”<br>图10-11及相关描述：展示了作为外部输入的非周期（单次）反馈信号的应用。 | 对比文件明确且反复强调通过引入非周期性的“单次反馈信号”作为外部输入，来动态修改振荡器的行为，以应对非稳态状况（如脱离捕获区域、提高抬腿高度、增大步幅）。这直接对应于“用外部输入来动态地修改”。 |
| 技术特征I《隐含公开》 | [0153]段：“g+和g-是反馈项，分别应用于正侧神经元素和负侧神经元素。”<br>[0175]段：“如果仅要增加正侧的幅度，则反馈信号可以仅输入到正侧元素，而负侧元素的输入可以设为零。”<br>[0181]段总结：“(3) 可以平滑地增加或减少特定幅度（案例II和IV）。” | 目标专利中“动态修改神经元的可兴奋性”意味着改变神经元对输入的反应倾向。对比文件中，通过向特定神经元素施加外部反馈信号（g+或g-），直接改变了该神经元素的内部变量u的演变（公式1, 3），从而影响其输出。这种通过外部输入改变神经元内部状态以调整其输出幅值的行为，本领域技术人员可以理解为是对神经元“可兴奋性”的一种动态修改或调节方式。虽然对比文件未使用“可兴奋性”一词，但所述技术手段所达到的效果（调节神经元输出水平）与修改可兴奋性以实现动态调整的功能是等同的。因此，该特征被隐含公开。 |
| 技术特征J《未公开》 | [0153]段：“β是疲劳系数，γ是神经元素间相互抑制耦合的权重。” | 对比文件提到了神经振荡器内部相互抑制耦合的权重γ，但这是振荡器模型内部的固定参数，并非在目标选择神经网络上下文中针对“输入突触”或“神经元之间的连接”进行动态控制的“突触权重”。目标专利的突触权重用于定义目标选择网络中连接的影响强度，二者应用场景和目的不同。 |
| 技术特征K《未公开》 | 无 | 对比文件中生成反馈信号的准则基于机器人的即时物理状态（如地面反力、躯干角度/角速度），并未涉及目标专利中提到的“回报的抑制”、“所指派的任务”、“时间复用函数”、“从多个任务中选择任务的事件”等更高层次的认知或任务决策因素。 |
| 技术特征L《未公开》 | 无 | 对比文件仅描述了使用一组神经振荡器控制机器人运动，未提及多个不同的人工神经网络，也未描述不同任务对应于不同网络（静态或动态）并进行选择或切换的机制。 |
| 技术特征M《直接公开》 | [0145]段：“神经振荡器反馈信号生成部分根据从机器人传感器输入的观测值生成反馈信号hig给神经振荡器...”<br>[0224]段及图28、32、33：详细说明了反馈信号生成部分接收传感器输入（如地面反力Flz, Frz、躯干角度p_b roll等），并根据这些输入生成线性反馈信号（如gER, gVSR, gx）输入给振荡器。<br>[0249]段及图34：非周期信号生成部分根据传感器信息（如公式36-37）生成单次反馈信号。 | 对比文件的控制系统明确包含“神经振荡器反馈信号生成部分”，该部分根据来自机器人传感器的输入（即对神经网络的输入，反映环境状态），生成反馈信号并施加于振荡器，从而控制振荡器的输出（即神经网络的输出，用于驱动关节）。这完整地公开了“基于对人工神经网络的输入、来自人工神经网络的输出或其组合中的至少一者来控制人工神经网络中的失衡量”。这里的“失衡量”即指施加的反馈信号（包括周期和非周期部分）。 |
<<<E>>><<<H>>><<<M>>><<<d>>><<<i>>>