对比文件名称：2016-03-15_US9286079B_发明授权_US09286079B1 Cache optimization of a data storage device based on progress of boot commands
目标专利名称：208动态空间目标选择CN106796667B
本次调用模型名称：deepseek-chat
### 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**：未公开 | 对比文件说明书中提到了“数据块（data blocks）”存储在“数据磁道（data tracks）”上的“主机可寻址区域（host addressable area）”（参见DETAILED DESCRIPTION部分第[0014]段）。 | 目标专利中的“目标地图”是一个空间环境（例如，机器人周围环境）的表示，用于表示目标的位置。对比文件中描述的“主机可寻址区域”和数据块是数据存储设备（如硬盘）的物理存储位置映射，用于存储计算机数据（如操作系统文件），其目的是数据寻址和存取，而非在空间环境中表示和选择目标以供机器人导航或动作。两者作用完全不同。本领域技术人员无法从对比文件的数据存储映射中毫无疑义地或通过合理推理得出目标专利中将空间目标映射到用于目标选择的地图的技术方案。 |
| **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**：未公开 | 对比文件未提及“机器人设备”或“空间环境”。其描述的“位置”是数据存储介质（如磁盘）上的物理位置（例如，数据块、磁道）（参见DETAILED DESCRIPTION部分第[0014]段）。 | 目标专利的技术特征明确限定了目标地图是“空间环境中相对于机器人设备的位置”，这是自我中心式的空间表示，用于机器人的导航和决策。对比文件完全不涉及任何空间环境、机器人或与机器人相关的定位概念。其“位置”是数据存储的物理位置，作用在于数据组织与检索。两者在技术领域、解决的问题和所起作用上均无任何关联。因此，该特征既未被直接公开，也未被隐含公开。 |
| **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**：未公开 | 对比文件全文未提及“人工神经网络（artificial neural network）”或“神经元（neuron）”。其系统核心是“控制电路（control circuitry）”（参见DETAILED DESCRIPTION部分第[0015]段）。 | 目标专利的核心在于使用人工神经网络及其神经元来表示位置并实现动态选择。对比文件描述的是一个基于传统控制电路和缓存管理逻辑的数据存储设备优化系统。两者实现目标选择/决策的底层计算架构根本不同。本领域技术人员无法从对比文件的控制电路推理出使用神经元来表示位置的技术方案。 |
| **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**：未公开 | 对比文件描述了“控制电路（control circuitry）”可以基于检测到的“启动命令（boot commands）”或“触发器（triggers）”来“动态地修改（dynamically modify）”其“缓存策略（caching policy）”，例如从为启动命令积极缓存过渡到为正常操作命令缓存（参见DETAILED DESCRIPTION部分第[0033], [0036], [0038]段及图3）。 | 目标专利的“动态修改”对象是“目标选择函数”，目的是使“机器人设备”的移动产生“偏向或偏离”。对比文件的“动态修改”对象是数据存储设备的“缓存策略”（如缓存空间分配、缓存替换优先级），目的是优化系统启动性能或正常操作性能。两者修改的“函数”性质、应用领域及最终目的（机器人导航 vs. 数据存取优化）完全不同。虽然两者都有“动态修改”这一抽象行为，但具体技术内容毫无共通之处。因此，该特征未被公开。 |
| **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**：未公开 | 对比文件描述了基于特定准则（如识别到“SECURITY FREEZE LOCK”命令、“SET_FEATURES”命令或“Command Queue Depth”增加）来“优化（optimize）”或“调整（adjust）”缓存行为，例如给予启动命令缓存优先级（参见DETAILED DESCRIPTION部分第[0022]-[0029], [0036]段）。 | 目标专利的“偏置准则”用于控制神经网络中连接的“激励”或“抑制”（即失衡量），这是神经元网络内部的连接强度调节。对比文件的“准则”（即识别的命令或模式）用于触发控制电路改变缓存管理策略（如分配更多缓存空间给某类命令），这是对存储器资源分配规则的调整。前者作用在神经元连接上，模拟生物神经的兴奋与抑制；后者作用在缓存管理逻辑上，属于计算机资源调度。两者机制和原理截然不同。因此，该特征未被公开。 |
| **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**：未公开 | 对比文件未提及“神经元”。 | 由于对比文件根本未公开“神经元”这一要素，因此“神经元代表位置”这一特征自然未被公开。 |
| **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**：未公开 | 对比文件全文未提及“中间神经元（interneuron）”、“可兴奋性（excitability）”、“突触权重（synaptic weight）”。 | 该特征涉及神经网络内部连接的特定架构（中间神经元）和调节机制（修改可兴奋性或突触权重）。对比文件的技术方案完全基于数字逻辑电路和缓存管理算法，不涉及任何神经网络特有的组件或概念。因此，该特征既未被直接公开，也未被隐含公开。 |
| **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 | 对比文件详细描述了“控制电路（control circuitry）”通过监控从“主机（host）”接收到的特定“命令（commands）”（如SECURITY FREEZE LOCK, SET_FEATURES）或“命令队列深度（Command Queue Depth）”作为“触发器（triggers）”，来动态地改变缓存模式或策略（参见DETAILED DESCRIPTION部分第[0022]-[0029], [0032], [0036], [0040]-[0044]段及图4-7）。这些来自主机的命令和队列状态对于数据存储设备而言是“外部输入”。 | 目标专利中“用外部输入来动态地修改”是一个相对上位的概念，指修改行为由来自系统外部的信号触发或控制。对比文件中，数据存储设备根据从外部主机系统接收到的特定命令（外部输入）来动态修改其内部的缓存策略。虽然两者“动态修改”的具体内容（目标选择函数 vs. 缓存策略）不同，但“通过外部输入来触发或实现动态修改”这一抽象的控制逻辑或方法是相同的。本领域技术人员可以从对比文件“基于外部命令修改内部策略”的公开内容中，合理推断出“动态修改可以包括用外部输入来动态地修改”这一更广义的技术手段。因此，该特征被**隐含公开**。 |
| **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**：未公开 | 对比文件未提及“神经元的可兴奋性”或“突触权重”。 | 该特征明确限定了动态修改的具体对象是神经网络特有的参数（神经元可兴奋性、突触权重）。对比文件的技术领域和方案均与神经网络无关，因此该特征未被公开。 |
| **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**：未公开 | 对比文件未提及“突触权重”、“输入突触”。 | 该特征是对神经网络内部连接权重具体类型的进一步限定。由于对比文件未公开神经网络基础，该特征自然未被公开。 |
| **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**：未公开 | 对比文件提到，控制电路可以基于多种因素来判断启动过渡，包括：“时间延迟（time delay）”（第[0043]段，图7）、“命令队列深度（Command Queue Depth）”（第[0028]段）、“特定配置命令（specific configuration commands）”（第[0012]段），以及“其他指示器（other indicators）如从复位开始的时间、读写数据量、读写命令数量、命令间间隙、先前存储的命令活动”（第[0034]段）。 | 目标专利的“目标选择函数”基于一系列与机器人行为、任务调度相关的复杂准则。对比文件判断“启动过渡”所基于的因素，虽然也包含“时间段”（如时间延迟）和“事件”（如收到特定命令），但其应用场景和目的（判断计算机启动阶段）与目标专利（选择空间目标以引导机器人移动）完全不同。两者决策函数所依据的“准则”在具体内涵和技术领域上无交集。本领域技术人员无法从对比文件的启动阶段检测逻辑，推理出用于机器人目标选择的、包含“回报抑制”、“行为状态”、“所指派的任务”等特定准则的函数。 |
| **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**：未公开 | 对比文件未提及“任务（task）”与“人工神经网络”的对应关系，也未提及“静态网络或动态网络”。 | 该特征涉及多神经网络架构下的任务管理与网络类型。对比文件的技术方案完全不涉及人工神经网络，更谈不上其与任务的对应关系及网络类型。因此，该特征未被公开。 |
| **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**：未公开 | 对比文件未提及“人工神经网络”及其“输入”、“输出”。 | 该特征限定了在人工神经网络框架下控制失衡量的具体依据。由于对比文件未公开人工神经网络这一前提，该特征无法被公开。 |
<<<h>>>