对比文件名称：2011-01-27_US2011022230A_发明申请_US20110022230A1 HYBRID CONTROL DEVICE
目标专利名称：用于空间目标选择的失衡式交叉抑制性机制 CN106030621B
本次调用的模型名称：通用对比模型
### 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**：包括：至少部分地基于目标选择准则从所述多个目标中为机器人设备选择目标，《直接公开》 | 段落[0071]: "A basic play can be composed of a sequence of behaviors, and the sensory conditions that will cause the controller to transition to each new behavior."<br>段落[0071]: "The SS-BBD can also possess a number of plays that are more complicated, being composed of the basic plays. One such is a simple offensive play designed to move the ball down the field. The flow of the play goes from Chase to Pass to Run Downfield." | 对比文件公开了机器人（SS-BBD）根据预设的“行为”和“策略”来选择目标并执行动作。例如，在足球场景中，机器人根据场上情况（即“目标选择准则”）执行“追球”、“传球”或“向前场跑动”等策略，这些策略明确包含了为机器人选择目标（如球、队友、对方球门）的过程。因此，本领域技术人员能够毫无疑义地得出对比文件公开了“基于目标选择准则为机器人设备选择目标”这一技术特征。 |
| **技术特征B**：所述多个目标中的每个目标对应于包括相对于所述机器人设备的位置的多个位置的目标地图中的不同位置，《隐含公开》 | 段落[0061]: "The visual and object recognition nervous system can contain 15 neuronal areas. ... The color and edge groups of the neuronal visual areas can be in direct and topographic connection with the preprocessed visual sensory inputs"<br>段落[0065]: "The object areas can have recurrent self-excitatory connections and some also had inhibitory connections to the other object areas."<br>段落[0081] 原则1: "The amount of activity in a neuronal group can cause a non-neural controller to make a decision. For example, if summed activity of neuronal units in the Ball area exceeds a threshold the ball is present in the field of view..." | 对比文件公开了视觉系统包含多个神经元区域（如“Ball”，“Goal”，“Teammate”等），这些区域的活动以地形图方式（topographic）对应视觉场中的位置，用于表示不同目标（如球、球门）在视野中的存在和位置。虽然对比文件没有明确使用“相对于机器人设备的位置”这一表述，但其描述的视觉处理系统本质上是基于机器人自身传感器的输入（如摄像头），所形成的地图自然是相对于机器人自身的自我中心式参考系。本领域技术人员结合机器人导航和视觉处理的公知常识，能够合理推断出这些神经元区域的活动构成了一幅相对于机器人位置的目标位置地图。因此，该技术特征被隐含公开。 |
| **技术特征C**：并且每个位置对应于人工神经网络中的神经元《直接公开》 | 段落[0061]: "The visual and object recognition nervous system can contain 15 neuronal areas. ... Each of the six color neuronal groups can have activity proportional to how close an image matches its preferred color ... For example, for a picture with a red ball on a green grass, the activities of the red group can be almost everywhere approximately zero (silent) except on coordinates where the ball is." | 对比文件明确公开了视觉场中的位置信息由特定神经元组（如颜色组、对象组）的活动来表示。例如，红色神经元组中特定坐标位置的神经元活动对应于图像中该位置出现红色的概率，从而标识出球的位置。这直接公开了“每个位置对应于人工神经网络中的神经元”这一技术特征。 |
| **技术特征D**：通过经由从对应于所选目标的目标神经元至不对应于所选目标的非目标神经元的连接输出抑制性权重来设置失衡《隐含公开》 | 段落[0065]: "The object areas can have recurrent self-excitatory connections and some also had inhibitory connections to the other object areas. Inhibitory connections make the system more robust: Object groups that should not be in the same place in the visual field can have inhibitory connections to each other."<br>段落[0087] 原则7: "...the action selection module would increase the basal activity of the area that was of interest, and allow cross-inhibition between object areas to cancel out other signals to the Head motor area." | 对比文件明确公开了不同对象神经元区域（如Ball, Goal, Teammate）之间存在相互的抑制性连接（cross-inhibition），这是一种交叉抑制机制。当某个目标被选中时（例如通过增加其基础活动），从该目标神经元区域到其他非目标神经元区域的抑制性连接会输出抑制性权重，从而抑制其他区域的活动。虽然对比文件没有明确使用“设置失衡”一词，但这种通过交叉抑制来偏袒一个目标区域、抑制其他区域的机制，其本质就是通过抑制性权重的输出来实现一种竞争性的失衡状态。本领域技术人员能够从公开的交叉抑制机制中合理推断出这一技术特征。 |
| **技术特征E**：以及至少部分地基于所述失衡来修改所述目标神经元与所述非目标神经元之间的相对激活，以使得在所述目标神经元的活跃量大于所述非目标神经元的活跃量时所述机器人设备移动至所述目标地图中与所选目标相关联的位置。《隐含公开》 | 段落[0069]: "The activity of neuronal object areas can be organized retinotopically, and whichever one of these areas is selected to be the target object is projected retinotopically to a pan area and a tilt area. ... Thus the camera can turn to the right to re-center an object that is in the right half of the image."<br>段落[0070]: "The activity of the pan area can, in turn, project topographically to the body motor area, which controls the rotational velocity of the SS-BBD. Off center activity in the body area can create a turn in that direction."<br>结合技术特征D的论述。 | 对比文件公开了：1）对象神经元区域的活动地形图式地映射到控制相机转动（Pan/Tilt）和身体转动（BodyTurn）的电机区域；2）存在交叉抑制机制来使被选中的目标神经元区域相对于其他区域更活跃（如原则7所述）。当某个目标神经元区域（如“Ball”区域）因被选中而具有更高活跃量时，其活动会驱动相机和身体转向，使目标在视野中居中，这等效于使机器人移向目标。虽然对比文件未明确将“修改相对激活”与“失衡”直接关联，但交叉抑制（技术特征D）是实现“修改相对激活”（即使得一个区域比另一个区域更活跃）的直接手段。本领域技术人员能够从公开的交叉抑制机制及其对电机控制的影响中，合理推断出“基于失衡修改相对激活以引导机器人移动”这一完整的技术方案。 |
| **技术特征F**：其特征在于，每个目标是空间目标。《直接公开》 | 段落[0065]: "Some objects can be detected using a single color. For example, the ball can be red, the goal can be purple, and the opponent's goal can be pink." | 对比文件明确列举了机器人需要识别的目标，如“球(ball)”、“己方球门(our goal)”、“对方球门(opponent‘s goal)”。这些都是在物理空间中存在的、具有空间位置的对象，因此是空间目标。该技术特征被直接公开。 |
| **技术特征G**：其特征在于，所述目标选择准则至少部分地基于每个目标的活跃量概率。《隐含公开》 | 段落[0061]: "Each of the six color neuronal groups can have activity proportional to how close an image matches its preferred color as determined by its color lookup table. That is, activity of each cell in a color group denotes the ‘closeness’ of its pixel in the image to the preferred color."<br>段落[0081] 原则1: "The amount of activity in a neuronal group can cause a non-neural controller to make a decision. For example, if summed activity of neuronal units in the Ball area exceeds a threshold the ball is present in the field of view..." | 对比文件公开了神经元组的活动水平（活跃量）表示特定目标存在的可能性或“接近度”（closeness）。例如，颜色神经元组的活动表示像素属于某颜色的概率，而“Ball”区域的总活动超过阈值则判定球在视野中。非神经控制器（动作选择模块）可以基于神经元组的活动量（即活跃量）来做决策。虽然对比文件没有明确使用“概率”一词，但“活跃量”与目标存在的“可能性”或“概率”在神经网络目标检测的上下文中是紧密相关的概念。本领域技术人员能够合理推断，目标选择可以基于代表目标存在概率的神经元活跃量来进行。 |
| **技术特征H**：其特征在于，所述选择目标选择准则至少部分地基于所述目标与所述机器人设备之间的空间距离。《隐含公开》 | 段落[0075]: "In contrast, obstacles can be detected through use of a laser rangefinder, which provides accurate distance and heading information. ... The values ψo and do for the obstacle can then be equal to the average values of those three laser readings."<br>段落[0075]: "The normal maximum forward speed of the device can be 5 m/s, but this can be reduced proportional to the average distance of all obstacles detected by the laser rangefinder." | 对比文件明确公开了机器人使用激光测距仪来获取障碍物的距离信息，并且机器人的行为（如最大速度）会根据与障碍物的距离进行调整。虽然这里直接描述的是对障碍物的反应，但其中蕴含了“基于空间距离信息来影响决策或行为”这一核心思想。在机器人选择目标的场景下，将距离作为选择准则（例如，选择最近的目标）是本领域的常规技术手段。因此，本领域技术人员结合对比文件公开的利用距离信息进行控制的内容，能够合理推断出目标选择准则可以至少部分地基于空间距离。 |
| **技术特征I**：其特征在于，所述连接是第一输入层连接、神经元输入、侧向连接、或其组合中的至少一者。《直接公开》 | 段落[0024]-[0027]: 描述了神经元模型，包括电压独立(VI)和电压依赖(VD)连接，这些连接接收输入并影响神经元活动。<br>段落[0065]: "The object areas can have recurrent self-excitatory connections and some also had inhibitory connections to the other object areas."<br>表2（Projection 列）: 展示了各种连接，如前馈的“V1-color→V2/4-color”、侧向/循环的“IT→IT”、“Ball→Ball”（Θ形状表示侧向连接）以及来自输入区域的连接。 | 对比文件详细描述了神经网络中的各种连接类型。电压独立(VI)和电压依赖(VD)连接是神经元接收输入的基本方式，可对应于“神经元输入”。从传感器处理区域到初级视觉区域的连接（如摄像头数据映射到V1）可视为“第一输入层连接”。在同一神经元区域内的循环连接（如“Ball→Ball”）或不同对象区域之间的相互抑制连接（如“Ball→Teammate”）属于“侧向连接”。对比文件公开的连接架构明确包含了这些连接类型的组合。因此，该技术特征被直接公开。 |
<<<A>>><<<C>>><<<F>>><<<I>>><<<b>>><<<d>>><<<e>>><<<g>>><<<h>>>