对比文件名称：2010-06-24_US2010161879A_发明申请_US20100161879A1 Efficient and Secure Main Memory Sharing Across Multiple Processors
目标专利名称：动态空间目标选择CN106796667B
本次调用的模型名称：专利创造性评估模型
### 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**：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，<br>**判断结果**：未被公开 | 对比文件未提及“目标”、“目标地图”或“映射”概念。其核心内容是内存地址空间的管理和分配。例如，[0066]段描述了如何将虚拟机的“real address”映射到内存设备的物理地址。但这里的“地址”是内存访问的逻辑地址，并非空间环境中的位置，也与“目标选择”无关。 | **直接公开判断**：对比文件公开了将虚拟机的地址空间映射到内存设备物理空间的技术方案，但其目的、作用和实现方式均不同于目标专利的“将目标映射到目标地图”。目标专利的映射是用于表示空间环境中目标的位置（见说明书[0101]段），以便进行基于空间关系的选择。对比文件的映射是为了实现内存资源共享和虚拟化，属于完全不同的技术领域（计算机体系结构 vs. 神经网络机器人控制）。本领域技术人员无法毫无疑义地从对比文件得出目标专利的技术特征A。 <br>**隐含公开判断**：对比文件处理的是抽象的内存地址分配，未涉及任何物理空间、目标或地图的概念。本领域技术人员无法从内存地址映射合理推断出将空间目标映射到地图这一技术方案。 |
| **技术特征B**：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，<br>**判断结果**：未被公开 | 对比文件未提及“空间环境”、“机器人设备”或“相对于机器人设备的位置”。其描述的位置是内存设备中的存储单元地址，例如“appliance address offset”（[0059]段）、“physical address”（[0061]段）。 | **直接公开判断**：对比文件公开了具有多个位置（地址）的存储空间，但这些位置是内存的逻辑/物理地址，用于存储数据，并非表示空间环境中的物理位置，更不涉及机器人设备的自我中心参考系（见目标专利说明书[0108]段）。作用完全不同。 <br>**隐含公开判断**：对比文件的内存地址空间是抽象的、非空间的。本领域技术人员无法从内存地址分配合理推断出用于机器人导航的、包含自我中心式坐标的空间目标地图。 |
| **技术特征C**：每个位置由所述人工神经网络中的神经元表示<br>**判断结果**：未被公开 | 对比文件全文未提及“人工神经网络”或“神经元”。其系统由处理器、内存控制器、网络接口、内存模块（DRAM/Flash）等传统计算硬件构成。 | **直接公开判断**：技术特征C明确要求位置由“人工神经网络中的神经元”表示。对比文件完全没有公开任何神经网络或神经元的结构。 <br>**隐含公开判断**：对比文件中用于表示内存单元的是物理存储电路（如DRAM芯片），或逻辑上的配置条目和物理条目（[0057]-[0059]段）。这些均非“神经元”模型或计算单元。本领域技术人员无法从内存存储单元推断出使用神经元来表示空间位置的技术方案。 |
| **技术特征D**：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，<br>**判断结果**：未被公开 | 对比文件未提及“人工神经网络”、“神经元”、“失衡量”、“目标选择函数”、“机器人设备”或“偏向/偏离移动”。其涉及“动态修改”的内容主要是内存空间的分配与回收（例如，[0071]-[0075]段，图7a-7b，动态分配和去分配内存）。 | **直接公开判断**：技术特征D是目标专利的核心，涉及通过控制神经网络内部连接的权重失衡来动态影响机器人的行为决策。对比文件公开的“动态修改”是针对共享内存资源在不同虚拟机之间的配额分配，目的是优化内存利用率。两者在技术领域、实现手段和最终目的上均无任何共同之处。本领域技术人员无法得出相同的技术方案。 <br>**隐含公开判断**：对比文件中的动态资源分配是基于管理策略（如配额、请求）对内存块进行划分，这是一种软件/固件层面的资源配置管理。而目标专利的“动态修改选择函数”是通过调节神经网络中神经元连接的兴奋/抑制强度（一种计算模型内部的参数）来实现的，属于神经形态计算范畴。两者原理和实现层级根本不同，无法进行合理推断。 |
| **技术特征E**：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，<br>**判断结果**：未被公开 | 对比文件未提及“失衡量”、“偏置准则”、“激励连接”或“抑制连接”。其涉及基于准则的配置，例如根据访问属性（如“read only”）来设置内存区域的权限（[0057]段，access attributes 454）。 | **直接公开判断**：对比文件中的“access attributes”用于控制内存的读写权限，这是一种访问控制安全机制。目标专利的“偏置准则”用于动态调整神经网络连接的兴奋或抑制强度，以影响目标选择的概率，是一种计算偏置机制。作用（安全控制 vs. 决策偏置）和应用的载体（内存 vs. 神经网络连接）均不同。 <br>**隐含公开判断**：虽然两者都涉及基于某种规则（准则）来调整系统行为，但调整的对象和机制风马牛不相及。从内存访问权限控制无法推断出在神经网络中通过调整连接权重来激励或抑制神经元活动的技术方案。 |
| **技术特征F**：所述神经元代表与所述候选目标相对应的位置。<br>**判断结果**：未被公开 | 对比文件未提及“候选目标”。其“配置条目”和“物理条目”中的“VMID”代表虚拟机，索引和偏移代表内存地址范围（[0057]-[0059]段）。 | **直接公开判断**：技术特征F依赖于特征B和C，即存在由神经元表示的位置，且这些位置对应候选目标。对比文件既无神经元，也无候选目标的概念。 <br>**隐含公开判断**：对比文件中内存条目代表的是分配给某个虚拟机（VM）的内存资源。虚拟机是计算任务实体，并非空间环境中的“候选目标”。无法进行推断。 |
| **技术特征G**：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。<br>**判断结果**：未被公开 | 对比文件未提及“中间神经元”、“可兴奋性”、“突触权重”。其描述了内存控制器（420）作为中介，管理网络接口（430）和内存组（410）之间的数据路径（[0054]段）。内存控制器包含配置寄存器（440）和动态内存映射表（460）来实现地址映射和访问控制。 | **直接公开判断**：技术特征G限定了具体的神经网络结构（带中间神经元的连接）和修改机制（修改可兴奋性或突触功效）。对比文件公开的“内存控制器”是一个硬件控制单元，用于执行地址转换和命令解析，其“配置寄存器”用于存储静态或动态的配置参数。这与生物启发的、具有可动态调节“兴奋性”的“中间神经元”模型在结构、功能和工作原理上完全不同。 <br>**隐含公开判断**：内存控制器作为中介设备管理数据流，其配置可以被更新，这可能在非常抽象的功能层级上类似于一个可调节的中介节点。然而，这种相似性是极端表面和功能性的。本领域技术人员无法从计算机内存管理硬件的配置更新，合理推断出在脉冲神经网络中特定地使用“中间神经元”并通过调节其“可兴奋性”或“突触权重”来动态修改选择函数这一具体技术方案。两者属于截然不同的技术领域和实现范式。 |
| **技术特征H**：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。<br>**判断结果**：隐含公开 | 对比文件描述了内存设备的配置可以根据外部请求进行动态修改。例如，[0071]段提到系统管理控制台可以指示在竞争虚拟机之间共享内存空间。[0100]段图10的流程图中，内存设备的配置（分配或去分配）由接收到的请求触发（块1020，1040）。 | **直接公开判断**：对比文件没有明确记载“用外部输入来动态修改‘目标选择函数’”。其修改的对象是内存分配配置，而非神经网络的选择函数。因此，未直接公开。 <br>**隐含公开判断**：根据宽松的隐含公开判断标准，对比文件公开了“系统（内存设备）的配置或行为可以根据外部输入（如来自管理控制台或虚拟机的请求）进行动态修改”这一更上位的概念。目标专利中“用外部输入动态修改选择函数”可以看作是“用外部输入动态修改系统行为/参数”在神经网络目标选择这一具体应用场景下的一个实例。虽然应用领域和修改的具体参数不同，但“根据外部输入动态调整系统”这一基本操作模式是对比文件所公开的。因此，本领域技术人员有可能从对比文件进行推理，认为外部输入可用于动态修改系统，从而隐含公开了特征H。 |
| **技术特征I**：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。<br>**判断结果**：未被公开 | 对比文件未提及“神经元的可兴奋性”或“突触权重的功效”。其动态修改的对象是内存空间的分配状态、配置寄存器的值以及内存映射表的条目（见图7，图10流程）。 | **直接公开判断**：技术特征I明确了修改的具体对象是神经网络的内部参数（神经元兴奋性、突触权重）。对比文件修改的是资源分配映射关系，不属于神经网络参数。 <br>**隐含公开判断**：无法从内存资源配置条目的更新，推断出修改神经元或突触这类生物启发模型参数的技术方案。 |
| **技术特征J**：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。<br>**判断结果**：未被公开 | 对比文件未提及“突触权重”、“输入突触”或“神经元之间的连接”。 | **直接公开判断**：特征J是对神经网络内部结构的进一步限定。对比文件未公开任何神经网络结构，因此必然未公开此特征。 <br>**隐含公开判断**：无相关内容，无法推断。 |
| **技术特征K**：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。<br>**判断结果**：未被公开 | 对比文件未提及“目标选择函数”及其所基于的“回报抑制”、“行为状态”等因素。其涉及基于“配额”（quota）的内存分配策略（[0071]段）和去重（de-duplication）请求（[0115]段，图11）。 | **直接公开判断**：对比文件中的“配额管理”和“去重策略”是资源管理策略，用于优化内存利用。目标专利的“选择函数”是基于行为学、任务调度等准则的空间决策函数。两者目的和内容均不相同。 <br>**隐含公开判断**：虽然两者都涉及基于某种策略（准则）做出决策（分配或选择），但策略的具体内容（内存配额 vs. 机器人行为状态）和应用领域毫无交集。无法从内存管理策略推断出用于机器人目标选择的复杂行为准则。 |
| **技术特征L**：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。<br>**判断结果**：未被公开 | 对比文件未提及“任务”与“人工神经网络”的对应关系。其描述了多个虚拟机（VM）共享内存资源，每个虚拟机可以运行不同的任务或操作系统。 | **直接公开判断**：特征L限定了任务与特定神经网络的对应关系。对比文件公开的是虚拟机与内存区域的对应关系，虚拟机是软件执行环境，可以运行任务，但并未将“任务”本身与一个完整的“神经网络”实体进行对应。 <br>**隐含公开判断**：虚拟机作为任务载体与内存资源关联，可能在抽象功能上类似于“任务与资源”的对应。但“人工神经网络”是一种特定的计算架构，与通用的“虚拟机”概念不同。无法合理推断出每个任务专门对应一个静态或动态神经网络的技术方案。 |
| **技术特征M**：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。<br>**判断结果**：未被公开 | 对比文件未提及“人工神经网络”、“失衡量”或基于其输入/输出进行控制。其内存分配可能基于虚拟机的请求（输入）和当前内存状态（可视为内部状态）来决定（[0075]段）。 | **直接公开判断**：技术特征M明确了控制失衡量的依据是神经网络的输入/输出。对比文件进行内存分配决策的依据是外部请求和内部资源状态，决策对象是内存块，而非神经网络内部的权重。 <br>**隐含公开判断**：对比文件展示了基于系统输入（请求）和当前状态进行资源分配决策。这是一种闭环或反馈控制思想。目标专利的特征M将这种思想应用到了“基于神经网络输入/输出来调节神经网络内部参数”这一具体场景。尽管控制思想在高层抽象上相似，但具体的应用对象（神经网络参数 vs. 内存资源）和技术领域差别巨大。在宽松标准下，**有可能**认为对比文件隐含公开了“基于系统输入和/或状态反馈来控制某个系统参数”的一般概念。然而，考虑到特征M是权利要求的一部分，且明确限定了“人工神经网络”和“失衡量”这一具体应用语境，而对比文件完全没有该语境，严格来说，本领域技术人员无法从内存管理直接、合理地推断出在神经网络内部进行此类参数调节的具体方案。因此，判断为未被公开更为严谨。 |
<<<h>>>