对比文件名称：2015-08-27_US2015242742A_发明申请_US20150242742A1 IMBALANCED CROSS-INHIBITORY MECHANISM FOR SPATIAL TARGET SELECTION
目标专利名称：208动态空间目标选择CN106796667B
本次调用的模型名称：未指定
## 特征比对表格
| 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《直接公开》**<br>包括：将多个目标中的每个目标映射到目标地图中的不同位置， | [0071]段：“Spatial locations can be represented with a two-dimensional (2D) grid of spiking cells. The location of each cell in the grid may be mapped to position in physical space.”<br>（空间位置可以用尖峰发放细胞的二维（2D）网格来表示。该网格中每个单元的位置可以被映射到物理空间中的位置。） | 对比文件明确公开了使用网格（即目标地图）来表示空间位置，并且每个单元（cell）映射到物理空间中的一个位置。在目标选择场景中，每个目标占用一个或多个位置，因此将目标映射到目标地图中的位置是直接且必然的。本领域技术人员能毫无疑义地得出，为了进行空间目标选择，需要将每个目标映射到表示空间的网格（即目标地图）中的不同位置。 |
| **技术特征B《直接公开》**<br>所述目标地图包括空间环境中相对于机器人设备的位置的多个位置， | [0075]段：“As shown in FIG. 5, the location of the object 504 is in the center of the target map 500. That is, in contrast to an allocentric map (not shown), the coordinates for the object 504 and the targets 506, 508, 510 in the target map 500 of FIG. 5 are based on a reference frame from the object's position.”<br>（如图5所示，对象504的位置处于目标地图500的中心。也就是说，与非自我中心式地图（未示出）形成对比，图5的目标地图500中的对象504和目标506、508、510的坐标基于来自该对象的位置的参考系。） | 对比文件明确公开了目标地图（target map）中的坐标是基于对象（object，相当于机器人设备）的位置的参考系，即地图中心是对象的位置。这与目标专利中“相对于机器人设备的位置”的含义完全相同，都是自我中心式（egocentric）坐标表示。因此，对比文件直接公开了该技术特征。 |
| **技术特征C《直接公开》**<br>每个位置由所述人工神经网络中的神经元表示 | [0071]段：“Spatial locations can be represented with a two-dimensional (2D) grid of spiking cells.”<br>[0030]段：“In biological neurons, the output spike generated when a neuron fires is referred to as an action potential.”<br>（空间位置可以用尖峰发放细胞的二维（2D）网格来表示。）<br>（在生物学神经元中，神经元激发时生成的输出尖峰被称为动作电位。） | 对比文件中，表示空间位置的“spiking cells”（尖峰发放细胞）即是人工神经网络中对生物神经元的建模，即神经元（模型）。说明书背景部分也明确指出人工神经网络包含人工神经元（neuron models）。因此，“cell”在本领域通常语境下即指神经元或神经元模型。本领域技术人员能毫无疑义地得出，目标地图中的每个位置由一个神经元（尖峰发放单元）表示。 |
| **技术特征D《隐含公开》**<br>以及通过控制至所述人工神经网络的神经元的失衡量来动态地修改目标选择函数以使所述机器人设备偏向或偏离候选目标地移动， | [0073]段：“Aspects of the present disclosure are specified for a compact network that is wired to perform target selection based on spatial relationships of targets. ... However, any arbitrary selection criteria may be used to bias the target selection.”<br>[0088]段：“Moreover, in one configuration, a relative activation between neurons corresponding to candidate target cells is modified. The relative activation corresponds to one or more target cells and is based on the amount of imbalance between targets. The relative activation is specified so that one or more targets (e.g., neurons) have a greater amount of activity in comparison to other targets.”<br>[0077]段：“Therefore, because a target nearest to the object is the only spiking target or spikes at a greater rate in comparison to the other targets, the object selects the nearest target.”<br>（本公开的各方面被指定用于基于目标的空间关系执行目标选择的紧凑网络...然而，任何任意选择准则都可以用来偏置目标选择。）<br>（此外，在一个配置中，修改对应于候选目标单元的神经元之间的相对激活。该相对激活对应于一个或多个目标单元，并且基于目标之间的失衡量。指定该相对激活，以使得一个或多个目标（例如，神经元）相比于其他目标具有更大的活跃量。）<br>（因此，因为最靠近对象的目标是唯一的发放尖峰的目标或者相比于其他目标以更高的速率发放尖峰，所以对象选择最近的目标。） | 对比文件公开了基于空间关系（如距离）设置连接之间的失衡量（imbalance），并通过该失衡量来修改神经元之间的相对激活（relative activation），从而使某个目标（神经元）比其他目标更活跃，最终对象会选择该目标。虽然对比文件未明确写出“目标选择函数”这一术语，但其描述的“selection criteria”（选择准则）和基于失衡量修改相对激活以偏置选择的过程，实质上构成了一个动态的目标选择函数。对象（如机器人设备）选择目标后，其移动方向自然被“偏向”所选目标。本领域技术人员根据对比文件公开的“设置失衡量”、“修改相对激活”和“对象选择目标”，能够合理推断出通过控制失衡量来动态修改目标选择函数，并引导对象（机器人）向所选目标移动的技术方案。因此，该技术特征被隐含公开。 |
| **技术特征E《直接公开》**<br>所述失衡量基于偏置准则来激励至所述神经元的连接或抑制至所述神经元的连接， | [0072]段：“In one configuration, the excitatory weight and/or inhibitory weight (e.g., target bias) provided via the connections is based on the following equation...”<br>（在一个配置中，通过连接提供的兴奋性权重和/或抑制性权重（例如，目标偏置）基于以下方程...）<br>公式（15）及上下文描述了权重（即失衡量）基于突触前细胞和突触后细胞到中心（对象）的距离（Dpre, Dpost）等参数进行计算，这本身就是一种偏置准则（例如，使更近的目标更易被选择）。 | 对比文件明确公开了连接上的权重（兴奋性或抑制性）是基于特定准则（如距离）来设置的，这些权重用于偏置目标选择。兴奋性权重激励连接，抑制性权重抑制连接。因此，对比文件直接公开了“失衡量基于偏置准则来激励或抑制连接”这一技术特征。 |
| **技术特征F《直接公开》**<br>所述神经元代表与所述候选目标相对应的位置。 | [0071]段：“In one configuration, an active cell indicates that the position is a target of interest.”<br>（在一个配置中，活跃单元指示该位置是感兴趣的目标。）<br>[0088]段：“...neurons corresponding to candidate target cells...”<br>（...对应于候选目标单元的神经元...） | 对比文件明确指出活跃的“cell”（即神经元）表示该位置是一个目标。并且，在描述选择过程时，提到了“候选目标单元”（candidate target cells）及其对应的神经元。因此，对比文件直接公开了神经元代表与候选目标相对应的位置。 |
| **技术特征G《未公开》**<br>其特征在于，所述连接包括耦合在每一对输入和输出神经元之间的中间神经元，并且所述动态地修改包括以下至少一者：动态地修改所述中间神经元的可兴奋性、动态地修改所述中间神经元与相应的输入和输出神经元对之间的突触权重的功效、或其组合。 | 对比文件全文未提及在输入和输出神经元之间使用中间神经元来仲裁或传递连接。图7和图8所示的交叉抑制连接均为神经元之间的直接连接。 | 对比文件描述的是通过直接设置神经元之间连接的权重（失衡量）来偏置选择，并未引入任何“中间神经元”作为连接的一部分，也未涉及修改此类中间神经元的可兴奋性或与之相关的突触权重功效。因此，该技术特征既未被直接公开，也未被隐含公开。 |
| **技术特征H《未公开》**<br>其特征在于，所述动态地修改包括用外部输入来动态地修改。 | 对比文件全文未提及使用外部输入来动态修改选择函数或失衡量。 | 对比文件中描述的动态修改是基于网络内部预设的准则（如距离）和权重计算，没有提到接收或利用来自神经网络外部的输入信号来动态调整选择过程。因此，该技术特征未被公开。 |
| **技术特征I《隐含公开》**<br>其特征在于，所述动态地修改包括以下至少一者：动态地修改所述神经元的可兴奋性、动态地修改突触权重的功效、或其组合。 | [0088]段：“...a relative activation between neurons ... is modified. The relative activation ... is based on the amount of imbalance between targets.”<br>[0072]段：“...the excitatory weight and/or inhibitory weight ... is based on the following equation...”<br>（...神经元之间的相对激活...被修改。该相对激活...基于目标之间的失衡量。）<br>（...兴奋性权重和/或抑制性权重...基于以下方程...） | 对比文件明确公开了通过设置连接的权重（兴奋性/抑制性）来修改神经元之间的相对激活。修改突触权重的功效（例如，通过公式计算并设置权重值）是动态修改选择过程的核心手段。虽然对比文件未明确使用“可兴奋性”一词，但修改抑制性和兴奋性连接的权重，直接影响神经元接收的净输入，从而等效于动态地影响了神经元对输入的响应特性（即可兴奋性）。本领域技术人员能够合理推断，通过控制连接权重来修改相对激活的过程，包含了动态修改突触权重功效，并可能间接影响神经元可兴奋性。因此，该技术特征被隐含公开。 |
| **技术特征J《隐含公开》**<br>其特征在于，所述突触权重是至少针对输入突触、神经元之间的连接、或其组合的。 | [0031]段：“The synapses 104 may receive output signals (i.e., spikes) from the level 102 neurons and scale those signals according to adjustable synaptic weights w1(i,i+1), . . . , wP(i,i+1)...”<br>[0072]、[0086]段讨论了在交叉抑制中，连接（connections）具有权重（weight），这些权重可以是兴奋性的或抑制性的。 | 对比文件通篇在人工神经网络的上下文中讨论“synaptic weights”（突触权重）和“weights of the connections”（连接的权重）。在神经网络中，权重应用于各种连接，包括来自前一层神经元的输入突触（如[0031]段），以及同层神经元之间的侧向连接（如交叉抑制连接）。本领域技术人员能够毫无疑义地理解，对比文件中用于实现目标选择偏置的权重，正是应用于这些输入突触和/或神经元间连接的突触权重。因此，该技术特征被隐含公开。 |
| **技术特征K《隐含公开》**<br>其特征在于，所述目标选择函数基于以下至少一者：回报的抑制、选择了所述目标的对象的行为状态、时间段、所指派的任务、时间复用函数、从与多个人工神经网络相对应的多个任务中选择任务的事件、或其组合。 | [0068]段：“Systems specified to take action on multiple targets, such as spatial targets, use various criteria for selecting one or more targets.”<br>[0073]段：“However, any arbitrary selection criteria may be used to bias the target selection.”<br>（专用于对多个目标（诸如空间目标）采取动作的系统使用各种准则来选择一个或多个目标。）<br>（然而，任何任意选择准则都可以用来偏置目标选择。） | 对比文件明确指出目标选择可以基于“各种准则”（various criteria），并且“任何任意选择准则”（any arbitrary selection criteria）都可以用于偏置选择。这为选择函数的构成提供了宽泛的可能性。虽然对比文件主要示例了基于距离的准则，但其开放式的描述暗示了选择函数可以基于多种因素。本领域技术人员在面临如何具体化选择准则时，有可能根据实际需求，推理出选择函数可以基于如回报、行为状态、时间段、任务等因素。因此，该技术特征被宽松地判断为隐含公开。 |
| **技术特征L《未公开》**<br>其特征在于，每个任务对应于所述多个人工神经网络中的一个，并且每个人工神经网络是静态网络或动态网络。 | 对比文件全文仅描述了一个用于空间目标选择的神经网络，未提及多个任务、多个对应的人工神经网络，也未讨论网络是静态还是动态的。 | 对比文件未公开涉及多个任务以及每个任务对应一个独立神经网络（静态或动态）的技术方案。该特征超出了对比文件所描述的单网络目标选择框架。因此，该技术特征未被公开。 |
| **技术特征M《未公开》**<br>其特征在于，进一步包括基于对所述人工神经网络的输入、来自所述人工神经网络的输出、或其组合中的至少一者来控制所述人工神经网络中的失衡量。 | 对比文件描述了基于预设的选择准则（如距离公式）来设置失衡量，但并未公开根据神经网络的实时输入或输出来动态控制或调整失衡量。 | 对比文件中失衡量的设置是基于目标位置等先验信息（如距离），而不是根据网络运行时的输入信号或输出信号进行反馈控制。因此，该技术特征未被公开。 |
<<<A>>><<<B>>><<<C>>><<<E>>><<<F>>>
<<<d>>><<<i>>><<<j>>><<<k>>>