12月31日，國家知識產(chǎn)權局發(fā)布了“關(guān)于修改《專(zhuān)利審查指南》的公告（第343號）”，決定對《專(zhuān)利審查指南》作出修改，自2020年2月1日起施行。
 

關(guān)于修改《專(zhuān)利審查指南》的公告（第343號）

國家知識產(chǎn)權局公告

第三四三號

 

 

為全面貫徹黨中央、國務(wù)院關(guān)于加強知識產(chǎn)權保護的決策部署，回應創(chuàng )新主體對進(jìn)一步明確涉及人工智能等新業(yè)態(tài)新領(lǐng)域專(zhuān)利申請審查規則的需求，決定對《專(zhuān)利審查指南》作出修改，現予發(fā)布，自2020年2月1日起施行。

 

特此公告。

 

國家知識產(chǎn)權局

2019年12月31日

 

國家知識產(chǎn)權局關(guān)于修改《專(zhuān)利審查指南》的決定

 

國家知識產(chǎn)權局決定對《專(zhuān)利審查指南》作出修改。

 

在《專(zhuān)利審查指南》第二部分第九章增加第6節，內容如下：

 

6. 包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請審查相關(guān)規定

 

涉及人工智能、“互聯(lián)網(wǎng)+”、大數據以及區塊鏈等的發(fā)明專(zhuān)利申請，一般包含算法或商業(yè)規則和方法等智力活動(dòng)的規則和方法特征，本節旨在根據專(zhuān)利法及其實(shí)施細則，對這類(lèi)申請的審查特殊性作出規定。

 

6.1 審查基準

 

審查應當針對要求保護的解決方案，即權利要求所限定的解決方案進(jìn)行。在審查中，不應當簡(jiǎn)單割裂技術(shù)特征與算法特征或商業(yè)規則和方法特征等，而應將權利要求記載的所有內容作為一個(gè)整體，對其中涉及的技術(shù)手段、解決的技術(shù)問(wèn)題和獲得的技術(shù)效果進(jìn)行分析。

 

6.1.1 根據專(zhuān)利法第二十五條第一款第(二)項的審查

 

如果權利要求涉及抽象的算法或者單純的商業(yè)規則和方法，且不包含任何技術(shù)特征，則這項權利要求屬于專(zhuān)利法第二十五條第一款第(二)項規定的智力活動(dòng)的規則和方法，不應當被授予專(zhuān)利權。例如，一種基于抽象算法且不包含任何技術(shù)特征的數學(xué)模型建立方法，屬于專(zhuān)利法第二十五條第一款第(二)項規定的不應當被授予專(zhuān)利權的情形。再如，一種根據用戶(hù)的消費額度進(jìn)行返利的方法，該方法中包含的特征全部是與返利規則相關(guān)的商業(yè)規則和方法特征，不包含任何技術(shù)特征，屬于專(zhuān)利法第二十五條第一款第(二)項規定的不應當被授予專(zhuān)利權的情形。

 

如果權利要求中除了算法特征或商業(yè)規則和方法特征，還包含技術(shù)特征，該權利要求就整體而言并不是一種智力活動(dòng)的規則和方法，則不應當依據專(zhuān)利法第二十五條第一款第(二)項排除其獲得專(zhuān)利權的可能性。

 

6.1.2 根據專(zhuān)利法第二條第二款的審查

 

如果要求保護的權利要求作為一個(gè)整體不屬于專(zhuān)利法第二十五條第一款第(二)項排除獲得專(zhuān)利權的情形，則需要就其是否屬于專(zhuān)利法第二條第二款所述的技術(shù)方案進(jìn)行審查。

 

對一項包含算法特征或商業(yè)規則和方法特征的權利要求是否屬于技術(shù)方案進(jìn)行審查時(shí)，需要整體考慮權利要求中記載的全部特征。如果該項權利要求記載了對要解決的技術(shù)問(wèn)題采用了利用自然規律的技術(shù)手段，并且由此獲得符合自然規律的技術(shù)效果，則該權利要求限定的解決方案屬于專(zhuān)利法第二條第二款所述的技術(shù)方案。例如，如果權利要求中涉及算法的各個(gè)步驟體現出與所要解決的技術(shù)問(wèn)題密切相關(guān)，如算法處理的數據是技術(shù)領(lǐng)域中具有確切技術(shù)含義的數據，算法的執行能直接體現出利用自然規律解決某一技術(shù)問(wèn)題的過(guò)程，并且獲得了技術(shù)效果，則通常該權利要求限定的解決方案屬于專(zhuān)利法第二條第二款所述的技術(shù)方案。

 

6.1.3 新穎性和創(chuàng )造性的審查

 

對包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請進(jìn)行新穎性審查時(shí)，應當考慮權利要求記載的全部特征，所述全部特征既包括技術(shù)特征，也包括算法特征或商業(yè)規則和方法特征。

 

對既包含技術(shù)特征又包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請進(jìn)行創(chuàng )造性審查時(shí)，應將與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系的算法特征或商業(yè)規則和方法特征與所述技術(shù)特征作為一個(gè)整體考慮。“功能上彼此相互支持、存在相互作用關(guān)系”是指算法特征或商業(yè)規則和方法特征與技術(shù)特征緊密結合、共同構成了解決某一技術(shù)問(wèn)題的技術(shù)手段,并且能夠獲得相應的技術(shù)效果。

 

例如，如果權利要求中的算法應用于具體的技術(shù)領(lǐng)域，可以解決具體技術(shù)問(wèn)題，那么可以認為該算法特征與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系，該算法特征成為所采取的技術(shù)手段的組成部分，在進(jìn)行創(chuàng )造性審查時(shí)，應當考慮所述的算法特征對技術(shù)方案作出的貢獻。

 

再如，如果權利要求中的商業(yè)規則和方法特征的實(shí)施需要技術(shù)手段的調整或改進(jìn)，那么可以認為該商業(yè)規則和方法特征與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系，在進(jìn)行創(chuàng )造性審查時(shí)，應當考慮所述的商業(yè)規則和方法特征對技術(shù)方案作出的貢獻。

 

6.2 審查示例

 

以下，根據上述審查基準，給出包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請的審查示例。

 

(1)屬于專(zhuān)利法第二十五條第一款第(二)項范圍之內的包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請，不屬于專(zhuān)利保護的客體。

 

【例1】

 

一種建立數學(xué)模型的方法

 

申請內容概述

 

發(fā)明專(zhuān)利申請的解決方案是一種建立數學(xué)模型的方法，通過(guò)增加訓練樣本數量，提高建模的準確性。該建模方法將與第一分類(lèi)任務(wù)相關(guān)的其它分類(lèi)任務(wù)的訓練樣本也作為第一分類(lèi)任務(wù)數學(xué)模型的訓練樣本，從而增加訓練樣本數量，并利用訓練樣本的特征值、提取特征值、標簽值等對相關(guān)數學(xué)模型進(jìn)行訓練，并最終得到第一分類(lèi)任務(wù)的數學(xué)模型，克服了由于訓練樣本少導致過(guò)擬合而建模準確性較差的缺陷。

 

申請的權利要求

 

一種建立數學(xué)模型的方法，其特征在于，包括以下步驟：

 

根據第一分類(lèi)任務(wù)的訓練樣本中的特征值和至少一個(gè)第二分類(lèi)任務(wù)的訓練樣本中的特征值，對初始特征提取模型進(jìn)行訓練，得到目標特征提取模型;其中，所述第二分類(lèi)任務(wù)是與所述第一分類(lèi)任務(wù)相關(guān)的其它分類(lèi)任務(wù);

 

根據所述目標特征提取模型，分別對所述第一分類(lèi)任務(wù)的每個(gè)訓練樣本中的特征值進(jìn)行處理，得到所述每個(gè)訓練樣本對應的提取特征值;

 

將所述每個(gè)訓練樣本對應的提取特征值和標簽值組成提取訓練樣本，對初始分類(lèi)模型進(jìn)行訓練，得到目標分類(lèi)模型;

 

將所述目標分類(lèi)模型和所述目標特征提取模型組成所述第一分類(lèi)任務(wù)的數學(xué)模型。

 

分析及結論

 

該解決方案不涉及任何具體的應用領(lǐng)域，其中處理的訓練樣本的特征值、提取特征值、標簽值、目標分類(lèi)模型以及目標特征提取模型都是抽象的通用數據，利用訓練樣本的相關(guān)數據對數學(xué)模型進(jìn)行訓練等處理過(guò)程是一系列抽象的數學(xué)方法步驟，最后得到的結果也是抽象的通用分類(lèi)數學(xué)模型。該方案是一種抽象的模型建立方法，其處理對象、過(guò)程和結果都不涉及與具體應用領(lǐng)域的結合，屬于對抽象數學(xué)方法的優(yōu)化，且整個(gè)方案并不包括任何技術(shù)特征，該發(fā)明專(zhuān)利申請的解決方案屬于專(zhuān)利法第二十五條第一款第(二)項規定的智力活動(dòng)的規則和方法，不屬于專(zhuān)利保護客體。

 

(2)為了解決技術(shù)問(wèn)題而利用技術(shù)手段并獲得技術(shù)效果的包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請，屬于專(zhuān)利法第二條第二款規定的技術(shù)方案，因而屬于專(zhuān)利保護的客體。

 

【例2】

 

一種卷積神經(jīng)網(wǎng)絡(luò )模型的訓練方法

 

申請內容概述

 

發(fā)明專(zhuān)利申請的解決方案是，在各級卷積層上對訓練圖像進(jìn)行卷積操作和最大池化操作后，進(jìn)一步對最大池化操作后得到的特征圖像進(jìn)行水平池化操作，使訓練好的CNN模型在識別圖像類(lèi)別時(shí)能夠識別任意尺寸的待識別圖像。

 

申請的權利要求

 

一種卷積神經(jīng)網(wǎng)絡(luò )CNN模型的訓練方法，其特征在于，所述方法包括：

 

獲取待訓練CNN模型的初始模型參數，所述初始模型參數包括各級卷積層的初始卷積核、所述各級卷積層的初始偏置矩陣、全連接層的初始權重矩陣和所述全連接層的初始偏置向量;

 

獲取多個(gè)訓練圖像;

 

在所述各級卷積層上，使用所述各級卷積層上的初始卷積核和初始偏置矩陣，對每個(gè)訓練圖像分別進(jìn)行卷積操作和最大池化操作，得到每個(gè)訓練圖像在所述各級卷積層上的第一特征圖像;

 

對每個(gè)訓練圖像在至少一級卷積層上的第一特征圖像進(jìn)行水平池化操作，得到每個(gè)訓練圖像在各級卷積層上的第二特征圖像;

 

根據每個(gè)訓練圖像在各級卷積層上的第二特征圖像確定每個(gè)訓練圖像的特征向量;

 

根據所述初始權重矩陣和初始偏置向量對每個(gè)特征向量進(jìn)行處理，得到每個(gè)訓練圖像的類(lèi)別概率向量;

 

根據所述每個(gè)訓練圖像的類(lèi)別概率向量及每個(gè)訓練圖像的初始類(lèi)別，計算類(lèi)別誤差;

 

基于所述類(lèi)別誤差，對所述待訓練CNN模型的模型參數進(jìn)行調整;

 

基于調整后的模型參數和所述多個(gè)訓練圖像，繼續進(jìn)行模型參數調整的過(guò)程，直至迭代次數達到預設次數;

 

將迭代次數達到預設次數時(shí)所得到的模型參數作為訓練好的CNN模型的模型參數。

 

分析及結論

 

該解決方案是一種卷積神經(jīng)網(wǎng)絡(luò )CNN模型的訓練方法，其中明確了模型訓練方法的各步驟中處理的數據均為圖像數據以及各步驟如何處理圖像數據，體現出神經(jīng)網(wǎng)絡(luò )訓練算法與圖像信息處理密切相關(guān)。該解決方案所解決的是如何克服CNN模型僅能識別具有固定尺寸的圖像的技術(shù)問(wèn)題，采用了在不同卷積層上對圖像進(jìn)行不同處理并訓練的手段，利用的是遵循自然規律的技術(shù)手段，獲得了訓練好的CNN模型能夠識別任意尺寸待識別圖像的技術(shù)效果。因此，該發(fā)明專(zhuān)利申請的解決方案屬于專(zhuān)利法第二條第二款規定的技術(shù)方案，屬于專(zhuān)利保護客體。

 

【例3】

 

一種共享單車(chē)的使用方法

 

申請內容概述

 

發(fā)明專(zhuān)利申請提出一種共享單車(chē)的使用方法，通過(guò)獲取用戶(hù)終端設備的位置信息和對應一定距離范圍內的共享單車(chē)的狀態(tài)信息，使用戶(hù)可以根據共享單車(chē)的狀態(tài)信息準確地找到可以騎行的共享單車(chē)進(jìn)行騎行，并通過(guò)提示引導用戶(hù)進(jìn)行停車(chē)，該方法方便了共享單車(chē)的使用和管理，節約了用戶(hù)的時(shí)間，提升了用戶(hù)體驗。

 

申請的權利要求

 

一種共享單車(chē)的使用方法，其特征在于，包括以下步驟：

 

步驟一，用戶(hù)通過(guò)終端設備向服務(wù)器發(fā)送共享單車(chē)的使用請求;

 

步驟二，服務(wù)器獲取用戶(hù)的第一位置信息，查找與所述第一位置信息對應一定距離范圍內的共享單車(chē)的第二位置信息，以及這些共享單車(chē)的狀態(tài)信息，將所述共享單車(chē)的第二位置信息和狀態(tài)信息發(fā)送到終端設備，其中第一位置信息和第二位置信息是通過(guò)GPS信號獲取的;

 

步驟三，用戶(hù)根據終端設備上顯示的共享單車(chē)的位置信息，找到可以騎行的目標共享單車(chē);

 

步驟四，用戶(hù)通過(guò)終端設備掃描目標共享單車(chē)車(chē)身上的二維碼，通過(guò)服務(wù)器認證后，獲得目標共享單車(chē)的使用權限;

 

步驟五，服務(wù)器根據騎行情況，向用戶(hù)推送停車(chē)提示，若用戶(hù)將車(chē)停放在指定區域，則采用優(yōu)惠資費進(jìn)行計費，否則采用標準資費進(jìn)行計費;

 

步驟六，用戶(hù)根據所述提示進(jìn)行選擇，騎行結束后，用戶(hù)進(jìn)行共享單車(chē)的鎖車(chē)動(dòng)作，共享單車(chē)檢測到鎖車(chē)狀態(tài)后向服務(wù)器發(fā)送騎行完畢信號。

 

分析及結論

 

該解決方案涉及一種共享單車(chē)的使用方法，所要解決的是如何準確找到可騎行共享單車(chē)位置并開(kāi)啟共享單車(chē)的技術(shù)問(wèn)題，該方案通過(guò)執行終端設備和服務(wù)器上的計算機程序實(shí)現了對用戶(hù)使用共享單車(chē)行為的控制和引導，反映的是對位置信息、認證等數據進(jìn)行采集和計算的控制，利用的是遵循自然規律的技術(shù)手段，實(shí)現了準確找到可騎行共享單車(chē)位置并開(kāi)啟共享單車(chē)等技術(shù)效果。因此，該發(fā)明專(zhuān)利申請的解決方案屬于專(zhuān)利法第二條第二款規定的技術(shù)方案，屬于專(zhuān)利保護的客體。

 

【例4】

 

一種區塊鏈節點(diǎn)間通信方法及裝置

 

申請內容概述

 

發(fā)明專(zhuān)利申請提出一種區塊鏈節點(diǎn)通信方法和裝置，區塊鏈中的業(yè)務(wù)節點(diǎn)在建立通信連接之前，可以根據通信請求中攜帶的CA證書(shū)以及預先配置的CA信任列表，確定是否建立通信連接，從而減少了業(yè)務(wù)節點(diǎn)泄露隱私數據的可能性，提高了區塊鏈中存儲數據的安全性。

 

申請的權利要求

 

一種區塊鏈節點(diǎn)通信方法，區塊鏈網(wǎng)絡(luò )中的區塊鏈節點(diǎn)包括業(yè)務(wù)節點(diǎn)，其中，所述業(yè)務(wù)節點(diǎn)存儲證書(shū)授權中心CA發(fā)送的證書(shū)，并預先配置有CA信任列表，所述方法包括：

 

第一區塊鏈節點(diǎn)接收第二區塊鏈節點(diǎn)發(fā)送的通信請求，其中，所述通信請求中攜帶有第二區塊鏈節點(diǎn)的第二證書(shū);

 

確定所述第二證書(shū)對應的CA標識;

 

判斷確定出的所述第二證書(shū)對應的CA標識，是否存在于所述CA信任列表中;

 

若是，則與所述第二區塊鏈節點(diǎn)建立通信連接;

 

若否，則不與所述第二區塊鏈節點(diǎn)建立通信連接。

 

分析及結論

 

本申請要解決的問(wèn)題是聯(lián)盟鏈網(wǎng)絡(luò )中如何防止區塊鏈業(yè)務(wù)節點(diǎn)泄露用戶(hù)隱私數據的問(wèn)題，屬于提高區塊鏈數據安全性的技術(shù)問(wèn)題，通過(guò)在通信請求中攜帶CA證書(shū)并預先配置CA信任列表的方式確定是否建立連接，限制了業(yè)務(wù)節點(diǎn)可建立連接的對象，利用的是遵循自然規律的技術(shù)手段，獲得了業(yè)務(wù)節點(diǎn)間安全通信和減少業(yè)務(wù)節點(diǎn)泄露隱私數據可能性的技術(shù)效果。因此，該發(fā)明專(zhuān)利申請的解決方案屬于專(zhuān)利法第二條第二款規定的技術(shù)方案，屬于專(zhuān)利保護的客體。

 

(3)未解決技術(shù)問(wèn)題，或者未利用技術(shù)手段，或者未獲得技術(shù)效果的包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請，不屬于專(zhuān)利法第二條第二款規定的技術(shù)方案，因而不屬于專(zhuān)利保護的客體。

 

【例5】

 

一種消費返利的方法

 

申請內容概述

 

發(fā)明專(zhuān)利申請提出一種消費返利的方法，通過(guò)計算機執行設定的返利規則給予消費的用戶(hù)現金券，從而提高了用戶(hù)的消費意愿，為商家獲得了更多的利潤。

 

申請的權利要求

 

一種消費返利的方法，其特征在于，包括以下步驟：

 

用戶(hù)在商家進(jìn)行消費時(shí)，商家根據消費的金額返回一定的現金券，具體地，

 

商家采用計算機對用戶(hù)的消費金額進(jìn)行計算，將用戶(hù)的消費金額R劃分為M個(gè)區間，其中，M為整數，區間1到區間M的數值由小到大，將返回現金券的額度F也分為M個(gè)值，M個(gè)數值也由小到大進(jìn)行排列;

 

根據計算機的計算值，判斷當用戶(hù)本次消費金額位于區間1時(shí)，返利額度為第1個(gè)值，當用戶(hù)本次消費金額位于區間2時(shí)，返利額度為第2個(gè)值，依次類(lèi)推，將相應區間的返利額度返回給用戶(hù)。

 

分析及結論

 

該解決方案涉及一種消費返利的方法，該方法是由計算機執行的，其處理對象是用戶(hù)的消費數據，所要解決的是如何促進(jìn)用戶(hù)消費的問(wèn)題，不構成技術(shù)問(wèn)題，所采用的手段是通過(guò)計算機執行人為設定的返利規則，但對計算機的限定只是按照指定的規則根據用戶(hù)消費金額確定返利額度，不受自然規律的約束，因而未利用技術(shù)手段，該方案獲得的效果僅僅是促進(jìn)用戶(hù)消費，不是符合自然規律的技術(shù)效果。因此，該發(fā)明專(zhuān)利申請不屬于專(zhuān)利法第二條第二款規定的技術(shù)方案，不屬于專(zhuān)利保護的客體。

 

【例6】

 

一種基于用電特征的經(jīng)濟景氣指數分析方法

 

申請內容概述

 

發(fā)明專(zhuān)利申請通過(guò)統計各項經(jīng)濟指標和用電指標，來(lái)評估待檢測地區的經(jīng)濟景氣指數。

 

申請的權利要求

 

一種基于地區用電特征的經(jīng)濟景氣指數分析方法，其特征在于，包括以下步驟：

 

根據待檢測地區的經(jīng)濟數據和用電數據，選定待檢測地區的經(jīng)濟景氣指數的初步指標，其中，所述初步指標包括經(jīng)濟指標和用電指標;

 

通過(guò)計算機執行聚類(lèi)分析方法和時(shí)差相關(guān)分析法，確定所述待檢測地區的經(jīng)濟景氣指標體系，包括先行指標、一致指標和滯后指標;

 

根據所述待檢測地區的經(jīng)濟景氣指標體系，采用合成指數計算方法，獲取所述待檢測地區的經(jīng)濟景氣指數。

 

分析及結論

 

該解決方案是一種經(jīng)濟景氣指數的分析和計算方法，該方法是由計算機執行的，其處理對象是各種經(jīng)濟指標、用電指標，解決的問(wèn)題是對經(jīng)濟走勢進(jìn)行判斷，不構成技術(shù)問(wèn)題，所采用的手段是根據經(jīng)濟數據和用電數據對經(jīng)濟情況進(jìn)行分析，僅是依照經(jīng)濟學(xué)規律采用經(jīng)濟管理手段，不受自然規律的約束，因而未利用技術(shù)手段，該方案最終可以獲得用于評估經(jīng)濟的經(jīng)濟景氣指數，不是符合自然規律的技術(shù)效果，因此該解決方案不屬于專(zhuān)利法第二條第二款規定的技術(shù)方案，不屬于專(zhuān)利保護的客體。

 

(4)在進(jìn)行創(chuàng )造性審查時(shí)，應當考慮與技術(shù)特征在功能上彼此相互支持、存在相互作用關(guān)系的算法特征或商業(yè)規則和方法特征對技術(shù)方案作出的貢獻。

 

【例7】

 

一種基于多傳感器信息仿人機器人跌倒狀態(tài)檢測方法

 

申請內容概述

 

現有對仿人機器人步行時(shí)跌倒狀態(tài)的判定主要利用姿態(tài)信息或ZMP點(diǎn)位置信息，但這樣判斷是不全面的。發(fā)明專(zhuān)利申請提出了基于多傳感器檢測仿人機器人跌倒狀態(tài)的方法，通過(guò)實(shí)時(shí)融合機器人步態(tài)階段信息、姿態(tài)信息和ZMP點(diǎn)位置信息，并利用模糊決策系統，判定機器人當前的穩定性和可控性，為機器人下一步動(dòng)作提供參考。

 

申請的權利要求

 

一種基于多傳感器信息仿人機器人跌倒狀態(tài)檢測方法，其特征在于包含如下步驟：

 

(1)通過(guò)對姿態(tài)傳感器信息、零力矩點(diǎn)ZMP傳感器信息和機器人步行階段信息進(jìn)行融合，建立分層結構的傳感器信息融合模型;

 

(2)分別利用前后模糊決策系統和左右模糊決策系統來(lái)判定機器人在前后方向和左右方向的穩定性，具體步驟如下：

 

①根據機器人支撐腳和地面之間的接觸情況與離線(xiàn)步態(tài)規劃確定機器人步行階段;

 

②利用模糊推理算法對ZMP點(diǎn)位置信息進(jìn)行模糊化;

 

③利用模糊推理算法對機器人的俯仰角或滾動(dòng)角進(jìn)行模糊化;

 

④確定輸出隸屬函數;

 

⑤根據步驟①～步驟④確定模糊推理規則;

 

⑥去模糊化。

 

分析及結論

 

對比文件1公開(kāi)了仿人機器人的步態(tài)規劃與基于傳感器信息的反饋控制，并根據相關(guān)融合信息對機器人穩定性進(jìn)行判斷，其中包括根據多個(gè)傳感器信息進(jìn)行仿人機器人穩定狀態(tài)評價(jià)，即對比文件1公開(kāi)了發(fā)明專(zhuān)利申請的解決方案中的步驟(1)，該解決方案與對比文件1的區別在于采用步驟(2)的具體算法的模糊決策方法。

 

基于申請文件可知，該解決方案有效地提高了機器人的穩定狀態(tài)以及對其可能跌倒方向判讀的可靠性和準確率。姿態(tài)信息、ZMP點(diǎn)位置信息以及步行階段信息作為輸入參數，通過(guò)模糊算法輸出判定仿人機器人穩定狀態(tài)的信息，為進(jìn)一步發(fā)出準確的姿勢調整指令提供依據。因此，上述算法特征與技術(shù)特征在功能上彼此相互支持、存在相互作用關(guān)系，相對于對比文件1，確定發(fā)明實(shí)際解決的技術(shù)問(wèn)題為：如何判斷機器人穩定狀態(tài)以及準確預測其可能的跌倒方向。上述模糊決策的實(shí)現算法及將其應用于機器人穩定狀態(tài)的判斷均未被其它對比文件公開(kāi)，也不屬于本領(lǐng)域公知常識，現有技術(shù)整體上并不存在使本領(lǐng)域技術(shù)人員改進(jìn)對比文件1以獲得要求保護發(fā)明的啟示，要求保護的發(fā)明技術(shù)方案相對于最接近的現有技術(shù)是非顯而易見(jiàn)的，具備創(chuàng )造性。

 

【例8】

 

基于合作協(xié)進(jìn)化和多種群遺傳算法的多機器人路徑規劃系統

 

申請內容概述

 

現有的多移動(dòng)機器人運動(dòng)規劃控制結構通常采用集中式規劃方法，該方法將多機器人系統視為一個(gè)具有多個(gè)自由度的復雜機器人，由系統中的一個(gè)規劃器來(lái)統一完成對所有機器人的運動(dòng)規劃，其缺點(diǎn)在于計算時(shí)間較長(cháng)，實(shí)用性不佳。發(fā)明專(zhuān)利申請提供了一種基于協(xié)作進(jìn)化和多種群遺傳算法的多機器人路徑規劃系統。機器人的每一條路徑都采用一個(gè)染色體表示，將最短距離、平滑度、安全距離作為設計路徑適應度函數的三個(gè)目標,通過(guò)Messy遺傳算法對每個(gè)機器人的路徑進(jìn)行優(yōu)化得到最佳路徑。

 

申請的權利要求

 

一種基于合作協(xié)進(jìn)化和多種群遺傳算法的多機器人路徑規劃系統，其特征在于：

 

(1)機器人的一條路徑采用一個(gè)染色體表示，染色體就表示成節點(diǎn)的鏈表形式，即[(x，y)，time]，(x，y，time∈R)，(x，y)表示機器人的位置坐標，time表示從前一個(gè)節點(diǎn)移動(dòng)本節點(diǎn)需要的時(shí)間消耗，開(kāi)始節點(diǎn)的time等于0，每個(gè)機器人個(gè)體的染色體除了初始節點(diǎn)的初始位置，結束節點(diǎn)的目標位置固定以外，中間節點(diǎn)和節點(diǎn)個(gè)數都是可變的;

 

(2)每個(gè)機器人Robot(i)的路徑path(j)的適應度函數表示成φ(pi，j)：

 

||pi，j||=Distance(pi，j)+ws×smooth(pi，j)+wt×Time(pi，j)

 

其中||pi，j||是距離、平滑度和時(shí)間消耗的線(xiàn)性組合，ws是平滑加權因子，wt是時(shí)間加權因子;Distance(pi，j)表示路徑長(cháng)度，smooth(pi，j)表示路徑的平滑度，Time(pi，j)是路徑pi，j的時(shí)間消耗;每個(gè)機器人采用所述適應度函數，通過(guò)Messy遺傳算法優(yōu)化得到最優(yōu)路徑。

 

分析及結論

 

對比文件1公開(kāi)了一種基于合作協(xié)進(jìn)化的多機器人路徑規劃方法，其中采用適應度函數，通過(guò)混沌遺傳算法來(lái)獲得最優(yōu)路徑。發(fā)明專(zhuān)利申請的解決方案與對比文件1的區別在于通過(guò)Messy遺傳算法來(lái)實(shí)現多機器人路徑規劃。

 

在該解決方案中，采用Messy遺傳算法優(yōu)化后得到機器人的前進(jìn)路徑，該解決方案的算法特征與技術(shù)特征在功能上相互支持、存在相互作用關(guān)系，實(shí)現了對機器人前進(jìn)路徑的優(yōu)化。相對于對比文件1，確定發(fā)明實(shí)際解決的技術(shù)問(wèn)題為：如何基于特定的算法使機器人以最優(yōu)路徑前進(jìn)。對比文件2已經(jīng)公開(kāi)了包括所述混沌遺傳算法在內的多種遺傳算法都可被用來(lái)進(jìn)行路徑優(yōu)化，同時(shí)采用Messy遺傳算法可以解決其他算法的弊端，從而獲得更合理的優(yōu)化結果?；趯Ρ任募?給出的啟示，本領(lǐng)域技術(shù)人員有動(dòng)機將對比文件1與對比文件2結合得到發(fā)明專(zhuān)利申請的技術(shù)方案。因此，要求保護的發(fā)明技術(shù)方案相對于對比文件1和對比文件2的結合是顯而易見(jiàn)的，不具備創(chuàng )造性。

 

【例9】

 

一種物流配送方法

 

申請內容概述

 

在貨物配送過(guò)程中，如何有效提高貨物配送效率以及降低配送成本，是發(fā)明專(zhuān)利申請所要解決的問(wèn)題。在物流人員到達配送地點(diǎn)后，可以通過(guò)服務(wù)器向訂貨用戶(hù)終端推送消息的形式同時(shí)通知特定配送區域的多個(gè)訂貨用戶(hù)進(jìn)行提貨，達到了提高貨物配送效率以及降低配送成本的目的。

 

申請的權利要求

 

一種物流配送方法，其通過(guò)批量通知用戶(hù)取件的方式來(lái)提高物流配送效率，該方法包括：

 

當派件員需要通知用戶(hù)取件時(shí)，派件員通過(guò)手持的物流終端向服務(wù)器發(fā)送貨物已到達的通知;

 

服務(wù)器批量通知派件員派送范圍內的所有訂貨用戶(hù);

 

接收到通知的訂貨用戶(hù)根據通知信息完成取件;

 

其中，服務(wù)器進(jìn)行批量通知具體實(shí)現方式為，服務(wù)器根據物流終端發(fā)送的到貨通知中所攜帶的派件員ID、物流終端當前位置以及對應的配送范圍，確定該派件員ID所對應的、以所述物流終端的當前位置為中心的配送距離范圍內的所有目標訂單信息，然后將通知信息推送給所有目標訂單信息中的訂貨用戶(hù)賬號所對應的訂貨用戶(hù)終端。

 

分析及結論

 

對比文件1公開(kāi)了一種物流配送方法，其由物流終端對配送單上的條碼進(jìn)行掃描，并將掃描信息發(fā)送給服務(wù)器以通知服務(wù)器貨物已經(jīng)到達;服務(wù)器獲取掃描信息中的訂貨用戶(hù)信息，并向該訂貨用戶(hù)發(fā)出通知;接收到通知的訂貨用戶(hù)根據通知信息完成取件。

 

發(fā)明專(zhuān)利申請的解決方案與對比文件1的區別在于批量通知用戶(hù)訂貨到達，為實(shí)現批量通知，方案中服務(wù)器、物流終端和用戶(hù)終端之間的數據架構和數據通信方式均做出了相應調整，取件通知規則和具體的批量通知實(shí)現方式在功能上彼此相互支持、存在相互作用關(guān)系。相對于對比文件1，確定發(fā)明實(shí)際解決的技術(shù)問(wèn)題是如何提高訂單到達通知效率進(jìn)而提高貨物配送效率。從用戶(hù)角度來(lái)看，用戶(hù)可以更快地獲知訂貨到達情況的信息，也提高了用戶(hù)體驗。由于現有技術(shù)并不存在對上述對比文件1做出改進(jìn)從而獲得發(fā)明專(zhuān)利申請的解決方案的技術(shù)啟示，該解決方案具備創(chuàng )造性。

 

【例10】

 

一種動(dòng)態(tài)觀(guān)點(diǎn)演變的可視化方法

 

申請內容概述

 

近年來(lái)人們越來(lái)越多地通過(guò)社交平臺發(fā)表他們的意見(jiàn)和想法,人們在社交平臺上發(fā)表的帶有情感的內容反映了人們觀(guān)點(diǎn)的演變,并可以由此看出事件的發(fā)展、變化和趨勢。發(fā)明專(zhuān)利申請通過(guò)自動(dòng)采集社交平臺人們發(fā)表的信息并對其中的情感進(jìn)行分析,通過(guò)計算機繪制情感可視化圖來(lái)幫助人們更好地理解情感在不同時(shí)間的強度變化和隨時(shí)間而演變的趨勢。

 

申請的權利要求

 

一種動(dòng)態(tài)觀(guān)點(diǎn)演變的可視化方法，所述方法包括:

 

步驟一，由計算設備確定所采集的信息集合中信息的情感隸屬度和情感分類(lèi)，所述信息的情感隸屬度表示該信息以多大概率屬于某一情感分類(lèi);

 

步驟二，所述情感分類(lèi)為積極、中立或消極，具體分類(lèi)方法為：如果點(diǎn)贊的數目p除以點(diǎn)踩的數目q的值r大于閾值a，那么認為該情感分類(lèi)為積極，如果值r小于閾值b，那么認為該情感分類(lèi)為消極，如果值b≤r≤a,那么情感分類(lèi)為中立，其中a>b;

 

步驟三，基于所述信息的情感分類(lèi)，自動(dòng)建立所述信息集合的情感可視化圖形的幾何布局，以橫軸表示信息產(chǎn)生的時(shí)間，以縱軸表示屬于各情感分類(lèi)的信息的數量;

 

步驟四，所述計算設備基于所述信息的情感隸屬度對所建立的幾何布局進(jìn)行著(zhù)色，按照信息顏色的漸變順序為各情感分類(lèi)層上的信息著(zhù)色。

 

分析及結論

 

對比文件1公開(kāi)了一種基于情感的可視化分析方法，其中時(shí)間被表示為一條水平軸，每條色帶在不同時(shí)間的寬度代表一種情感在該時(shí)間的度量，用不同的色帶代表不同的情感。

 

發(fā)明專(zhuān)利申請的解決方案與對比文件1的區別在于步驟二中設定的情感的具體分類(lèi)規則。從申請內容中可以看出，即使情感分類(lèi)規則不同，對相應數據進(jìn)行著(zhù)色處理的技術(shù)手段也可以是相同的，不必作出改變，即上述情感分類(lèi)規則與具體的可視化手段并非功能上彼此相互支持、存在相互作用關(guān)系。與對比文件1相比，發(fā)明專(zhuān)利申請只是提出了一種新的情感分類(lèi)的規則，沒(méi)有實(shí)際解決任何技術(shù)問(wèn)題，也沒(méi)有針對現有技術(shù)作出技術(shù)貢獻。因此，要求保護的發(fā)明技術(shù)方案相對于對比文件1不具備創(chuàng )造性。

 

6.3 說(shuō)明書(shū)及權利要求書(shū)的撰寫(xiě)

 

6.3.1 說(shuō)明書(shū)的撰寫(xiě)

 

包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請的說(shuō)明書(shū)應當清楚、完整地描述發(fā)明為解決其技術(shù)問(wèn)題所采用的解決方案。所述解決方案在包含技術(shù)特征的基礎上，可以進(jìn)一步包含與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系的算法特征或商業(yè)規則和方法特征。

 

說(shuō)明書(shū)中應當寫(xiě)明技術(shù)特征和與其功能上彼此相互支持、存在相互作用關(guān)系的算法特征或商業(yè)規則和方法特征如何共同作用并且產(chǎn)生有益效果。例如，包含算法特征時(shí)，應當將抽象的算法與具體的技術(shù)領(lǐng)域結合，至少一個(gè)輸入參數及其相關(guān)輸出結果的定義應當與技術(shù)領(lǐng)域中的具體數據對應關(guān)聯(lián)起來(lái);包含商業(yè)規則和方法特征時(shí)，應當對解決技術(shù)問(wèn)題的整個(gè)過(guò)程進(jìn)行詳細描述和說(shuō)明，使得所屬技術(shù)領(lǐng)域的技術(shù)人員按照說(shuō)明書(shū)記載的內容，能夠實(shí)現該發(fā)明的解決方案。

 

說(shuō)明書(shū)應當清楚、客觀(guān)地寫(xiě)明發(fā)明與現有技術(shù)相比所具有的有益效果，例如質(zhì)量、精度或效率的提高，系統內部性能的改善等。如果從用戶(hù)的角度而言，客觀(guān)上提升了用戶(hù)體驗，也可以在說(shuō)明書(shū)中進(jìn)行說(shuō)明，此時(shí)，應當同時(shí)說(shuō)明這種用戶(hù)體驗的提升是如何由構成發(fā)明的技術(shù)特征，以及與其功能上彼此相互支持、存在相互作用關(guān)系的算法特征或商業(yè)規則和方法特征共同帶來(lái)或者產(chǎn)生的。

 

6.3.2 權利要求書(shū)的撰寫(xiě)

 

包含算法特征或商業(yè)規則和方法特征的發(fā)明專(zhuān)利申請的權利要求應當以說(shuō)明書(shū)為依據，清楚、簡(jiǎn)要地限定要求專(zhuān)利保護的范圍。權利要求應當記載技術(shù)特征以及與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系的算法特征或商業(yè)規則和方法特征。

 

本章其他內容無(wú)修改。

 

本決定自2020年2月1日起施行。

 

來(lái)源：國家知識產(chǎn)權局網(wǎng)站