# 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用（翻译） | 公开性论述 |
| **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，《直接公开》 | [0071] “空间位置可以用尖峰发放单元的二维（2D）网格来表示。网格中每个单元的位置可映射到物理空间中的位置。” | 对比文件明确公开了使用二维网格表示空间位置，每个单元映射到物理空间中的位置，即目标地图中的不同位置。因此，本领域技术人员能够毫无疑义地得出该技术特征。 |
| **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，《直接公开》 | [0075] “假定目标地图600中的（诸）目标的坐标已被变换为相对于对象的位置而言。”以及图6显示对象位于目标地图中心。 | 对比文件公开了目标地图中的坐标是相对于对象（例如机器人设备）的位置，即地图包括相对于机器人设备的多个位置。因此，该技术特征被直接公开。 |
| **C：** 每个位置由所述人工神经网络中的神经元表示，《直接公开》 | [0071] “空间位置可以用尖峰发放单元的二维（2D）网格来表示。” [0069] “目标可能占用的每个区域可与神经网络的一节点（例如神经元）相关联。” | 对比文件中明确说明单元（cell）是尖峰发放单元，即神经元，并且每个区域与神经元相关联。因此，每个位置由神经元表示被直接公开。 |
| **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，《直接公开》 | [0006] “该方法包括通过控制神经网络中的连接的失衡量来动态地修改选择函数。” [0072] “根据本公开的一方面，选择过程被动态地偏置。该偏置可被称为聚焦注意力。” | 对比文件的核心在于动态修改选择函数，通过控制连接的失衡量来实现偏置，从而使对象（如机器人设备）偏向或偏离候选目标移动。因此，该技术特征被直接公开。 |
| **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，《直接公开》 | [0078] “当期望这些单元之一更有可能胜利时，抑制性权重可使用于选择的偏置失衡。例如，如果一个单元更靠近对象，则抑制性权重可偏置其他目标的尖峰发放。” [0091] “失衡可以是抑制性权重或兴奋性权重。” | 对比文件公开了失衡量基于偏置准则（如距离）来抑制连接，并且失衡可以是激励性或抑制性的。因此，该技术特征被直接公开。 |
| **F：** 所述神经元代表与所述候选目标相对应的位置。《直接公开》 | [0071] “活跃单元指示该位置是感兴趣的目标。” [0069] “每个区域可与神经网络的一节点（例如神经元）相关联。” | 对比文件明确说明神经元代表目标的位置，活跃神经元指示目标在场。因此，神经元代表候选目标的位置被直接公开。 |
| **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。《直接公开》 | [0073] “偏置可使用交叉抑制性连接，这些交叉抑制性连接使用居间的中间神经元。……该聚焦地图可修改中间神经元的可兴奋性以使得这些中间神经元传送抑制性冲激的可能性更大或更小。” [0081] “中间神经元816、818可动态地修改连接的抑制性权重和/或兴奋性权重。” | 对比文件明确公开了连接包括中间神经元，并且通过修改中间神经元的可兴奋性或突触权重的功效来动态修改选择函数。因此，该技术特征被直接公开。 |
| **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。《直接公开》 | [0087] “替代地或附加地，经由外部输入来动态地修改选择函数。” | 对比文件明确公开了可以通过外部输入来动态修改选择函数。因此，该技术特征被直接公开。 |
| **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。《直接公开》 | [0087] “通过修改神经元的可兴奋性和/或修改突触权重的功效来动态地修改选择函数。” | 对比文件直接公开了动态修改可以包括修改神经元的可兴奋性或突触权重的功效。因此，该技术特征被直接公开。 |
| **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。《直接公开》 | [0088] “突触权重可以是针对输入突触和/或神经元之间的连接的权重。” | 对比文件明确公开了突触权重针对输入突触和神经元之间的连接。因此，该技术特征被直接公开。 |
| **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。《直接公开》 | [0085] “选择函数基于回报的抑制、选择了该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、和/或从与神经网络集合相对应的任务集合中选择任务的事件。” | 对比文件列举了选择函数所基于的多种因素，与特征K完全一致。因此，该技术特征被直接公开。 |
| **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。《直接公开》 | [0085] “每个任务可对应于一神经网络并且每个神经网络可以是静态网络或动态网络。” | 对比文件明确公开了每个任务对应一个神经网络，且神经网络可以是静态或动态的。因此，该技术特征被直接公开。 |
| **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。《直接公开》 | [0088] “神经网络中的连接的失衡量基于对该神经网络的输入和/或来自该神经网络的输出。” | 对比文件明确公开了失衡量基于神经网络的输入和/或输出来控制。因此，该技术特征被直接公开。 |
<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<F>>><<<G>>><<<H>>><<<I>>><<<J>>><<<K>>><<<L>>><<<M>>>