**对比文件名称**：发明申请_US20140129027A1 Simultaneous Localization And Mapping For A Mobile Robot
**目标专利名称**：用于利用语义信息来导航机器人设备的系统和方法
**本次调用模型名称**：DeepSeek最新版本模型
### 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：一种改善导航的方法**<br>**判断结果：直接公开** | [0004] “One aspect of the disclosure provides a method of simultaneous localization and mapping executed on a controller of an autonomous mobile robot.” <br>译：本发明的一个方面提供了一种在自主移动机器人的控制器上执行的同时定位和绘图（SLAM）方法。 | 对比文件公开了一种在移动机器人控制器上执行的SLAM方法，SLAM技术的核心目的之一就是通过构建环境地图和确定自身位置来改善机器人的自主导航能力。因此，对比文件整体技术方案公开了“一种改善导航的方法”。这与目标专利中为解决机器人自主导航复杂性这一技术问题所起的作用相同。 |
| **技术特征B：由机器人设备中的处理器发起与语义信息提取相关联的预先确定的时间段的开始**<br>**判断结果：未公开** | 无对应内容。对比文件中描述了数据缓冲和积累（例如[0071]），但未提及为“语义信息提取”发起一个“预先确定的时间段”。 | 对比文件虽然描述了将传感器数据在缓冲区中积累一段时间后再进行处理（如[0071]：“accumulating the synchronized sensor data over time in non-transitory memory”），但这是一种数据处理的通用策略，用于平衡运动误差和校正精度增益，并非专门为“提取语义信息”（即与传感器性能模式相关的信息）而设置的、有明确开始和结束的“时间段”。该特征在对比文件整体技术方案中的作用是数据批处理优化，与目标专利中为系统性收集传感器可靠性模式信息而设置专门时间段的作用不同。 |
| **技术特征C：在所述预先确定的时间段期间检测指示一个或多个传感器的传感器不可靠性的不利事件**<br>**判断结果：隐含公开** | [0074] “The localization quality estimator 650 may determine an instantaneous localization of the robot 100 (i.e., the localization quality according to the data available from the most recent range measurements 515)... When the value of the integrator 1030 is above a predefined threshold the robot 100 is considered to be well localized.” <br>译：定位质量估计器650可以确定机器人100的瞬时定位（即，根据最近距离测量515可用的数据得出的定位质量）……当积分器1030的值高于预定义阈值时，认为机器人100定位良好。 | 对比文件公开了通过“定位质量估计器”持续评估机器人的定位质量（Q）。定位质量低（即未达到“well localized”）意味着基于当前传感器数据（如测距数据、惯性数据）的定位估计不可靠，这间接反映了传感器数据在当前时刻或环境下不可靠。对于本领域技术人员而言，定位质量低于阈值即可被视为一种“指示传感器不可靠性的不利事件”。虽然对比文件未使用“不利事件”或“传感器不可靠性”的表述，但其技术方案中持续监控并判断定位质量是否良好的过程，在整体技术方案中实际起到了检测定位系统（其输入依赖于传感器）可靠性事件的作用，这与目标专利中检测传感器不可靠性事件以用于后续分析的作用是相同的。 |
| **技术特征D：响应于检测到指示所述一个或多个传感器的传感器不可靠性的所述不利事件：识别所述预先确定的时间段的当前时隙**<br>**判断结果：未公开** | 无对应内容。对比文件未提及基于“时隙”（time slot）划分的时间段管理。 | 对比文件未公开任何与“时隙”相关的概念。其数据积累和处理是基于缓冲区容量或移动距离等阈值触发，而非在一个预定义时间段内划分为多个时隙并进行记录。因此，该特征未被公开。 |
| **技术特征E：识别所述机器人设备的当前估计的位置和方向**<br>**判断结果：直接公开** | [0068] “The pose P or location in space (i.e., x, y, and θ in Euclidean planar space) of a mobile robot usually changes in time...” <br>[0098] “determining the change in robot pose ΔP using odometry received from a drive system of the robot and inertial measurements from an inertial measurement unit of the robot.” <br>译：[0068] 移动机器人的位姿P或空间位置（即欧几里得平面空间中的x, y和θ）通常随时间变化……[0098] 使用从机器人驱动系统接收的里程计和从机器人惯性测量单元接收的惯性测量来确定机器人位姿的变化ΔP。 | 对比文件明确且反复地描述了机器人“位姿”（Pose P），其包含位置（x, y）和方向（θ），这是SLAM过程的核心输出之一。通过里程计、IMU和粒子滤波器，系统持续估计并更新机器人的当前位姿。这直接公开了“识别所述机器人设备的当前估计的位置和方向”这一特征。其在对比文件中的作用是进行定位和地图构建的基础，与目标专利中为记录语义信息提供空间上下文的作用虽具体应用场景有异，但“识别当前位置和方向”这一技术手段本身及其在各自技术方案中的基础定位作用是相同的。 |
| **技术特征F：基于所述当前时隙以及所述机器人设备的所述当前估计的位置和方向，记录对针对所述一个或多个传感器存储的语义信息的更新**<br>**判断结果：未公开** | 无对应内容。对比文件未记载“语义信息”（semantic information）的概念，也未记载基于“时隙”和“位姿”来更新此类信息。 | 对比文件的核心是使用粒子滤波器进行SLAM，其存储和更新的是“地图”（map）、“粒子权重”（weight）和“位姿”（pose），这些是几何和概率信息，而非目标专利所定义的、用于表征传感器性能时空模式的“语义信息”。因此，该特征未被公开。 |
| **技术特征G：以及在所述预先确定的时间段的结束以后基于所记录的语义信息针对机器人设备的位置和方向识别不利事件的模式。**<br>**判断结果：未公开** | 无对应内容。 | 由于对比文件既未公开“预先确定的时间段”，也未公开“语义信息”的记录，因此更不可能公开基于语义信息识别不利事件模式的特征。该特征未被公开。 |
| **技术特征H：响应于确定所述预先确定的时间段已经结束：基于存储的语义信息，针对每个传感器来识别在所述机器人设备的局部环境内的低性能的任何空间区域；以及当所述机器人设备在识别的低性能的空间区域处时，调整应用于来自所述传感器的测量的权重因子。**<br>**判断结果：未公开** | 无对应内容。 | 对比文件未公开根据机器人在不同“空间区域”的传感器性能历史来动态调整该传感器测量“权重因子”的技术方案。其粒子滤波器中的权重（particle weight）是粒子假设的置信度，并非应用于特定传感器输入的调整因子。因此，该特征未被公开。 |
| **技术特征I：响应于确定所述预先确定的时间段已经结束：基于相应的语义信息，针对每个传感器来识别低性能的任何时间；以及在识别的低性能的时间期间，调整应用于来自每个传感器的测量的所述权重因子。**<br>**判断结果：未公开** | 无对应内容。 | 同上，对比文件未公开基于时间模式（低性能的任何时间）来调整传感器权重因子的技术方案。因此，该特征未被公开。 |
| **技术特征J：针对每个传感器来识别低性能的任何空间区域包括：确定针对所述传感器所述存储的语义信息指示针对所述机器人设备的特定姿势的不利事件发生的数量是满足还是超过第一事件门限。**<br>**判断结果：未公开** | 无对应内容。 | 该特征是特征H的具体实现方式，依赖于“语义信息”、“特定姿势下不利事件数量”等未被对比文件公开的概念。因此，该特征未被公开。 |
| **技术特征K：针对每个传感器来识别低性能的任何时间包括：确定所述存储的语义信息指示在特定时隙期间不利事件发生的数量是满足还是超过第二事件门限。**<br>**判断结果：未公开** | 无对应内容。 | 该特征是特征I的具体实现方式，依赖于“语义信息”、“特定时隙”等未被对比文件公开的概念。因此，该特征未被公开。 |
| **技术特征L：还包括针对每个传感器：获得通过预处理器操作针对所述传感器来输出的经处理的测量；获得所述机器人设备的所述当前估计的位置和方向；以及确定在通过所述经处理的测量来指示的姿势与所述当前估计的位置和方向之间的差异是满足还是超过特定于传感器的门限。**<br>**判断结果：未公开** | 无对应内容。对比文件未描述通过比较来自单个传感器的“经处理的测量”所指示的姿势与系统“当前估计的位姿”之间的差异来检测事件的具体方法。 | 对比文件检测定位质量（可能隐含指示传感器可靠性）是基于粒子滤波器的整体权重分布（如[0074]）或其他滤波算法（如[0099]），而非通过所述L特征中描述的、针对每个传感器单独进行的“估计姿势与传感器指示姿势差异比较”的方法。因此，该具体检测方法未被公开。 |
| **技术特征M：检测指示所述一个或多个传感器的传感器不可靠性的所述不利事件还包括响应于接收到异常数据测量确定检测到所述不利事件。**<br>**判断结果：未公开** | 无对应内容。对比文件未提及“异常数据测量”（abnormal data measurement）的概念。 | 对比文件未将任何特定的数据测量归类为“异常”并直接将其视为指示传感器不可靠性的事件。因此，该特征未被公开。 |
| **技术特征N：与语义信息提取相关联的所述预先确定的时间段是在时间服务器上配置的，所述时间服务器维持针对所述预先确定的时间段的时隙的设置。**<br>**判断结果：未公开** | 无对应内容。 | 对比文件未提及“时间服务器”（time server）或由其配置和管理时间段及时隙。因此，该特征未被公开。 |
| **技术特征O：识别所述机器人设备的所述当前估计的位置和方向包括：获得来自所述机器人设备上的定位操作的输出，所述定位操作是作为同时定位和测绘(SLAM)过程的一部分来执行的。**<br>**判断结果：直接公开** | [0004] “a method of simultaneous localization and mapping executed on a controller of an autonomous mobile robot.” <br>[0057] “To operate autonomously, the robot 100 may use a navigation system 600 to simultaneously localize and map its surroundings...” <br>译：[0004] 一种在自主移动机器人的控制器上执行的同时定位和绘图（SLAM）方法。[0057] 为了自主操作，机器人100可以使用导航系统600同时定位并绘制其周围环境的地图…… | 对比文件的整个发明主题就是移动机器人的SLAM方法。其明确公开了通过SLAM过程来获得机器人的定位（位置和方向），例如通过粒子滤波器确定最可能的机器人位姿（如[0077]）。这直接公开了“识别所述机器人设备的所述当前估计的位置和方向包括：获得来自所述机器人设备上的定位操作的输出，所述定位操作是作为同时定位和测绘(SLAM)过程的一部分来执行的”这一特征。其在对比文件中的作用是SLAM的核心目标之一，与目标专利中作为记录语义信息的基础数据来源的作用虽应用目的不同，但“通过SLAM过程获得当前位置和方向”这一技术手段本身是相同的。 |
| **技术特征P：所述机器人设备是地面运载工具，并且所述机器人设备的所述一个或多个传感器包括：至少一个图像传感器、至少一个惯性测量单元(IMU)传感器和至少一个运动反馈传感器。**<br>**判断结果：直接公开** | [0003] “An example of a mobile robot that is in common use today is an automated guided vehicle or automatic guided vehicle (AGV).” <br>[0044] “An autonomous cleaning robot...” <br>[0050] “The sensor system 500 may include one or more types of sensors... which may include... a camera...”, “range finding sensors...”, “an inertial measurement unit (IMU) 520”. <br>[0058] “In some implementations, the sensor system 500 includes an odometer... for sensing a distance traveled by the robot 100.” (里程计属于运动反馈传感器) <br>译：[0003] 当今常用的移动机器人的一个例子是自动导引车（AGV）。[0044] 自主清洁机器人……[0050] 传感器系统500可以包括一种或多种类型的传感器……其可以包括……相机……”、“测距传感器……”、“惯性测量单元（IMU）520”。[0058] 在一些实施方式中，传感器系统500包括里程计……用于感测机器人100行进的距离。 | 1. **地面运载工具**：对比文件明确其机器人是“自主清洁机器人”（[0044]），属于地面运载工具。示例AGV（[0003]）也是地面运载工具。<br>2. **传感器组成**：对比文件公开了传感器系统可包括相机（图像传感器）、惯性测量单元（IMU）以及里程计（运动反馈传感器）。虽然其具体实施例强调了红外测距传感器，但其明确列举了相机和IMU作为可能的传感器类型。因此，对比文件直接公开了机器人是地面运载工具，并配备了包括图像传感器、IMU和运动反馈传感器在内的多种传感器。这与目标专利中定义的机器人类型和传感器类别构成相同。 |
| **技术特征Q：针对所述一个或多个传感器存储的所述语义信息是以数据结构表示的，所述数据结构提供在所述预先确定的时间段的每个时隙期间，针对所述机器人设备的每个姿势的不利事件发生的数量。**<br>**判断结果：未公开** | 无对应内容。 | 该特征定义了语义信息的具体数据结构，其前提“语义信息”、“预先确定的时间段”、“时隙”、“针对每个姿势的不利事件发生的数量”均未被对比文件公开。因此，该特征未被公开。 |
<<<A>>><<<E>>><<<O>>><<<P>>><<<c>>>