发明创造名称：建立智能车辆控制模型的方法、智能车辆控制方法及装置
外观设计名称：
决定号：181898
决定日：2019-06-14
委内编号：1F251117
优先权日：
申请（专利）号：201610439391.6
申请日：2016-06-17
复审请求人：百度在线网络技术(北京)有限公司 百度在线网络技术（北京）有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：殷华宇
合议组组长：李燕
参审员：穆飞鹏
国际分类号：G05B23/02
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：权利要求请求保护的技术方案与作为最接近的现有技术的对比文件相比存在区别技术特征，如果另一篇对比文件给出了将区别技术特征中的一部分应用到最接近的现有技术以解决其存在的技术问题的启示，其余部分区别技术特征属于本领域的公知常识，且上述区别技术特征所取得的技术效果是本领域技术人员可以预料到的，则该权利要求不具备创造性。
全文：
本复审请求涉及申请号为201610439391.6、名称为“建立智能车辆控制模型的方法、智能车辆控制方法及装置”的发明专利申请（下称本申请）。本申请的申请日为2016年06月17日，公开日为2016年11月02日，申请人为百度在线网络技术(北京)有限公司。
国家知识产权局专利实质审查部门以本申请权利要求1-12不具备专利法第22条第3款规定的创造性为由，于2018年01月24日驳回了本申请。驳回决定中引用的对比文件如下：
对比文件3：CN104590274A，公开日为2015年05月06日；
对比文件4：CN102030007A，公开日为2011年04月27日。
驳回决定所针对的文本为：申请日2016年06月17日提交的说明书第1-12页、说明书附图第1-4页、说明书摘要以及摘要附图；2017年09月08日提交的权利要求第1-12项。
驳回决定所针对的权利要求书如下：
“1. 一种建立智能车辆控制模型的方法，其特征在于，该方法包括：
获取样本数据，所述样本数据包括各驾驶环境下对应的方向盘转角；
从样本数据中提取车辆状态特征和路况特征，所述车辆状态特征包括横向速度、纵向速度和横摆角速度中的一种或任意组合，所述路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；
利用提取的特征以及对应的方向盘转角训练神经网络模型，得到智能车辆控制模型，所述智能车辆控制模型的输入为车辆状态特征和路况特征，输出为方向盘转角。
2. 根据权利要求1所述的方法，其特征在于，该方法还包括：
对所述智能车辆控制模型进行测试评估；
利用评估结果对所述智能车辆控制模型进行优化。
3. 根据权利要求2所述的方法，其特征在于，对所述智能车辆控制模型进行测试评估包括：
将所述智能车辆控制模型与车辆模型进行仿真对接，其中，从车辆模型获取车辆状态特征和路况特征并输入所述智能车辆控制模型，将智能车辆控制模型输出的方向盘转角输入所述车辆模型；
仿真多种驾驶环境进行测试；
将测试结果与预期结果进行比对。
4. 根据权利要求2所述的方法，其特征在于，所述利用评估结果对所述智能车辆控制模型进行优化包括：
将测试结果符合预期结果的测试数据作为样本数据，对所述智能车辆控制模型进行迭代优化。
5. 一种智能车辆控制方法，其特征在于，该方法包括：
提取待控制车辆的车辆状态特征和路况特征，所述车辆状态特征包括横向 速度、纵向速度和横摆角速度中的一种或任意组合；所述路况特征包括待控制车辆与参考车道的横向偏差、待控制车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；
将提取的特征输入智能车辆控制模型，得到方向盘转角；
利用所述方向盘转角对所述待控制车辆进行控制；
其中所述智能车辆控制模型是利用如权利要求1至4任一权项所述的方法建立的。
6. 根据权利要求5所述的方法，其特征在于，利用所述方向盘转角对所述待控制车辆进行控制包括：
判断所述方向盘转角是否小于或等于预设转角阈值，如果否，则利用所述方向盘转角对所述待控制车辆进行控制；如果是，则修正所述方向盘转角为0。
7. 一种建立智能车辆控制模型的装置，其特征在于，该装置包括：
样本获取单元，用于获取样本数据，所述样本数据包括各驾驶环境下对应的方向盘转角；
特征提取单元，用于从样本数据中提取车辆状态特征和路况特征，所述车辆状态特征包括横向速度、纵向速度和横摆角速度中的一种或任意组合，所述路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；
模型训练单元，用于利用提取的特征以及对应的方向盘转角训练神经网络模型，得到智能车辆控制模型，所述智能车辆控制模型的输入为车辆状态特征和路况特征，输出为方向盘转角。
8. 根据权利要求7所述的装置，其特征在于，该装置还包括：
测试评估单元，用于对所述智能车辆控制模型进行测试评估；
模型优化单元，用于利用所述评估结果对所述智能车辆控制模型进行优化。
9. 根据权利要求8所述的装置，其特征在于，所述测试评估单元，具体用于：
将所述智能车辆控制模型与车辆模型进行仿真对接，其中，从车辆模型获 取车辆状态特征和路况特征并输入所述智能车辆控制模型，将智能车辆控制模型输出的方向盘转角输入所述车辆模型；
仿真多种驾驶环境进行测试；
将测试结果与预期结果进行比对。
10. 根据权利要求8所述的装置，其特征在于，所述模型优化单元，具体用于将测试结果符合预期结果的测试数据作为样本数据，触发对所述智能车辆控制模型的迭代优化。
11. 一种智能车辆控制装置，其特征在于，该装置包括：
特征提取单元，用于提取待控制车辆的车辆状态特征和路况特征，所述车辆状态特征包括横向速度、纵向速度和横摆角速度中的一种或任意组合；所述路况特征包括待控制车辆与参考车道的横向偏差、待控制车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；
转角获取单元，用于将提取的特征输入智能车辆控制模型，得到方向盘转角；
控制处理单元，用于利用所述方向盘转角对所述待控制车辆进行控制；
其中所述智能车辆控制模型是利用如权利要求7至10任一权项所述的装置建立的。
12. 根据权利要求11所述的装置，其特征在于，所述控制处理单元，具体用于判断所述方向盘转角是否小于或等于预设转角阈值，如果否，则利用所述方向盘转角对所述待控制车辆进行控制；如果是，则修正所述方向盘转角为0。”
驳回决定具体指出：1）、独立权利要求1,5,7,11与对比文件3的区别技术特征在于：智能车辆控制模型的输入为车辆状态特征和路况特征，输出为方向盘转角；利用提取的特征训练神经网络模型，得到智能车辆控制模型。上述区别技术特征被对比文件4公开且给出相关的技术启示。所以，对于本领域的技术人员而言，在对比文件3的基础上结合对比文件4得到权利要求1,5,7,11的技术方案是显而易见的。因此，权利要求1,5,7,11不具备专利法第22条第3款规定的创造性。2）、从属权利要求2-4,6,8-10,12的附加技术特征或者被对比文件4公开，或者属于本领域的常用技术手段。因此，当其引用的权利要求不具备创造性时，从属权利要求2-4,6,8-10,12也不具备专利法第22条第3款规定的创造性。
申请人（下称复审请求人）对上述驳回决定不服，于2018年05月07日向国家知识产权局提出了复审请求，未对申请文件进行修改，陈述了本申请具备创造性的理由。
复审请求人在复审请求书中认为：1）、本申请的权利要求1与对比文件3相比，至少存在以下区别技术特征：a）利用提取的特征以及对应的方向盘转角训练神经网络模型，得到智能车辆控制模型，所述智能车辆控制模型的输入为车辆状态特征和路况特征，输出为方向盘转角；b）所述车辆状态特征包括横向速度、纵向速度和横摆角速度中的一种或任意组合，所述路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合。可见，无论是训练模型所采用的数据还是建立的模型，对比文件3和本申请的权利要求1均不相同；在对比文件4中车辆驾驶专家模式库的输入并没有路况特征，由于对比文件4针对的是独立驱动-独立转向车辆（这种车辆的操控特性不同于通常车辆），重点在于操作动作与车辆特性之间的匹配，并不考虑该操作如何适应路况，并且对比文件4仅适用于有人驾驶的情况，操作车辆与路况的适应问题由驾驶员解决，与本申请的依据车辆状态和路况给出适当的方向盘转角这种无人驾驶场景不同；2）、对于人工智能所涉及的神经网络模型而言，一个模型的决定性因素就是输入特征以及输出内容，无论是输入不同还是输出不同，亦或是都不同，都不能够认为是相同的模型，这是本领域技术人员所公知的；本领域技术人员所公知的还包括：对于神经网络模型的训练而言，即便是针对相同的输出，从多种多样的特征中选择什么样的、具体哪些特征是对模型的效果产生极大影响的；对于本申请而言，车辆状态特征和路况特征是多种多样的，采用什么样的特征在进行智能车辆控制模型的训练才能够达到最好的效果是模型训练的重点；因此，关键点就在于，合理地选择对模型的效果最为敏感的特征；对比文件4中模型输出除了包括方向盘转角之外，还包括其他控制参数，因此输出与本申请不同，那么其在考虑什么特征对模型效果最为敏感时与专注于输出方向盘转角的模型也必然不相同。
经形式审查合格，国家知识产权局于2018年05月11日依法受理了该复审请求，并将其转送至专利实质审查部门进行前置审查。
专利实质审查部门在前置审查意见书中坚持驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年02月25日向复审请求人发出复审通知书，指出：1）、独立权利要求1,7与对比文件4的区别技术特征在于：从样本数据中提取路况特征，路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；智能车辆控制模型的输入还包括路况特征；车辆状态特征还包括横向速度、纵向速度。对比文件3给出了上述区别技术特征中的一部分的技术启示，上述区别技术特征中的剩余部分是本领域的常用技术手段。所以，对于本领域的技术人员而言，在对比文件4的基础上结合对比文件3、本领域的常用技术手段得到权利要求1,7的技术方案是显而易见的。因此，权利要求1,7不具备专利法第22条第3款规定的创造性。2）、独立权利要求5,11与对比文件4的区别技术特征在于：提取待控制车辆的路况特征，路况特征包括待控制车辆与参考车道的横向偏差、待控制车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；车辆状态特征还包括横向速度、纵向速度。对比文件3给出了上述区别技术特征中的一部分的技术启示，上述区别技术特征中的剩余部分是本领域的常用技术手段。所以，对于本领域的技术人员而言，在对比文件4的基础上结合对比文件3、本领域的常用技术手段得到权利要求5,11的技术方案是显而易见的。因此，权利要求5,11不具备专利法第22条第3款规定的创造性。3）、从属权利要求2-4,6,8-10,12的附加技术特征部分被对比文件4公开，部分属于本领域的常用技术手段。因此，在其引用的权利要求不具备创造性的基础上，从属权利要求2-4,6,8-10,12也不具备专利法第22条第3款规定的创造性。4）、合议组针对复审请求人的意见陈述进行了回应。
针对上述复审通知书，复审请求人于2019年03月08日提交了意见陈述书，同时提交了权利要求书的全文修改替换页，具体修改涉及：在权利要求1,7中加入技术特征“其中所述智能车辆控制模型用于依据输出的方向盘转角对智能车辆的方向盘进行控制，使得智能车辆的方向盘转动相应的转角”，将权利要求5,11中的技术特征“利用所述方向盘转角对所述待控制车辆进行控制”修改为“利用所述方向盘转角对所述待控制车辆的方向盘进行控制，使得所述带控制车辆的方向盘转动相应的转角，所述待控制车辆为智能车辆”。答复复审通知书时所提交的权利要求书如下：
“1. 一种建立智能车辆控制模型的方法，其特征在于，该方法包括：
获取样本数据，所述样本数据包括各驾驶环境下对应的方向盘转角；
从样本数据中提取车辆状态特征和路况特征，所述车辆状态特征包括横向速度、纵向速度和横摆角速度中的一种或任意组合，所述路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；
利用提取的特征以及对应的方向盘转角训练神经网络模型，得到智能车辆控制模型，所述智能车辆控制模型的输入为车辆状态特征和路况特征，输出为方向盘转角；
其中所述智能车辆控制模型用于依据输出的方向盘转角对智能车辆的方向盘进行控制，使得智能车辆的方向盘转动相应的转角。
2. 根据权利要求1所述的方法，其特征在于，该方法还包括：
对所述智能车辆控制模型进行测试评估；
利用评估结果对所述智能车辆控制模型进行优化。
3. 根据权利要求2所述的方法，其特征在于，对所述智能车辆控制模型进行测试评估包括：
将所述智能车辆控制模型与车辆模型进行仿真对接，其中，从车辆模型获取车辆状态特征和路况特征并输入所述智能车辆控制模型，将智能车辆控制模型输出的方向盘转角输入所述车辆模型；
仿真多种驾驶环境进行测试；
将测试结果与预期结果进行比对。
4. 根据权利要求2所述的方法，其特征在于，所述利用评估结果对所述智能车辆控制模型进行优化包括：
将测试结果符合预期结果的测试数据作为样本数据，对所述智能车辆控制模型进行迭代优化。
5. 一种智能车辆控制方法，其特征在于，该方法包括：
提取待控制车辆的车辆状态特征和路况特征，所述车辆状态特征包括横向速度、纵向速度和横摆角速度中的一种或任意组合；所述路况特征包括待控制车辆与参考车道的横向偏差、待控制车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；
将提取的特征输入智能车辆控制模型，得到方向盘转角；
利用所述方向盘转角对所述待控制车辆的方向盘进行控制，使得所述带控制车辆的方向盘转动相应的转角，所述待控制车辆为智能车辆；
其中所述智能车辆控制模型是利用如权利要求1至4任一权项所述的方法建立的。
6. 根据权利要求5所述的方法，其特征在于，利用所述方向盘转角对所述待控制车辆进行控制包括：
判断所述方向盘转角是否小于或等于预设转角阈值，如果否，则利用所述方向盘转角对所述待控制车辆进行控制；如果是，则修正所述方向盘转角为0。
7. 一种建立智能车辆控制模型的装置，其特征在于，该装置包括：
样本获取单元，用于获取样本数据，所述样本数据包括各驾驶环境下对应的方向盘转角；
特征提取单元，用于从样本数据中提取车辆状态特征和路况特征，所述车辆状态特征包括横向速度、纵向速度和横摆角速度中的一种或任意组合，所述路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；
模型训练单元，用于利用提取的特征以及对应的方向盘转角训练神经网络模型，得到智能车辆控制模型，所述智能车辆控制模型的输入为车辆状态特征和路况特征，输出为方向盘转角；
其中所述智能车辆控制模型用于依据输出的方向盘转角对智能车辆的方向盘进行控制，使得智能车辆的方向盘转动相应的转角。
8. 根据权利要求7所述的装置，其特征在于，该装置还包括：
测试评估单元，用于对所述智能车辆控制模型进行测试评估；
模型优化单元，用于利用所述评估结果对所述智能车辆控制模型进行优化。
9. 根据权利要求8所述的装置，其特征在于，所述测试评估单元，具体用于：
将所述智能车辆控制模型与车辆模型进行仿真对接，其中，从车辆模型获取车辆状态特征和路况特征并输入所述智能车辆控制模型，将智能车辆控制模型输出的方向盘转角输入所述车辆模型；
仿真多种驾驶环境进行测试；
将测试结果与预期结果进行比对。
10. 根据权利要求8所述的装置，其特征在于，所述模型优化单元，具体用于将测试结果符合预期结果的测试数据作为样本数据，触发对所述智能车辆控制模型的迭代优化。
11. 一种智能车辆控制装置，其特征在于，该装置包括：
特征提取单元，用于提取待控制车辆的车辆状态特征和路况特征，所述车辆状态特征包括横向速度、纵向速度和横摆角速度中的一种或任意组合；所述路况特征包括待控制车辆与参考车道的横向偏差、待控制车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；
转角获取单元，用于将提取的特征输入智能车辆控制模型，得到方向盘转角；
控制处理单元，用于利用所述方向盘转角对所述待控制车辆的方向盘进行控制，使得所述带控制车辆的方向盘转动相应的转角，所述待控制车辆为智能车辆；
其中所述智能车辆控制模型是利用如权利要求7至10任一权项所述的装置建立的。
12. 根据权利要求11所述的装置，其特征在于，所述控制处理单元，具体用于判断所述方向盘转角是否小于或等于预设转角阈值，如果否，则利用所述方向盘转角对所述待控制车辆进行控制；如果是，则修正所述方向盘转角为0。”
复审请求人在意见陈述书中认为：修改后的权利要求具备创造性。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
1、审查文本的认定
复审请求人在2019年03月08日答复复审通知书时提交了权利要求书的全文修改替换页，经查，其修改符合专利法第33条的规定。本复审请求审查决定所针对的文本是：申请日2016年06月17日提交的说明书第1-12页、说明书附图第1-4页、说明书摘要以及摘要附图；2019年03月08日提交的权利要求第1-12项。
2、关于专利法第22条第3款
专利法第22条第3款规定，创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
权利要求请求保护的技术方案与作为最接近的现有技术的对比文件相比存在区别技术特征，如果另一篇对比文件给出了将区别技术特征中的一部分应用到最接近的现有技术以解决其存在的技术问题的启示，其余部分区别技术特征属于本领域的公知常识，且上述区别技术特征所取得的技术效果是本领域技术人员可以预料到的，则该权利要求不具备创造性。
具体到本案：
1）、权利要求1请求保护一种建立智能车辆控制模型的方法，对比文件4公开了一种建立智能车辆控制模型的方法，并公开了如下技术特征（参见说明书第[0032]-[0084]段、附图1-3）：该方法包括：使用角度传感器采集得到有经验的驾驶员在各种实际工况下每次操作的驾驶操作专家数据组，其中包括方向盘转角（即获取样本数据，样本数据包括各驾驶环境下对应的方向盘转角）（参见说明书第[0035]段）；获取车辆状态信息数据，包括横摆角速率（即从样本数据中提取车辆状态特征，车辆状态特征包括横摆角速度）（参见说明书第[0033]段）；以横摆角速率为输入，以对应的方向盘转角为输出，训练神经网络，并检验神经网络，构建车辆驾驶专家模式库（即利用提取的特征以及对应的方向盘转角训练神经网络模型，得到智能车辆控制模型，智能车辆控制模型的输入为车辆状态特征，输出为方向盘转角）（参见说明书第[0034]-[0035]段）；根据车辆驾驶专家模式库计算的方向盘转角对驾驶员操作的方向盘转角进行修正，具体为：将计算的方向盘转角与当前驾驶员操作的方向盘转角进行比较，当两者误差在容许范围内，将计算的方向盘转角作为驾驶员操作期望方向盘转角（参见说明书第 [0034]-[0036]段）（即智能车辆控制模型用于依据输出的方向盘转角对智能车辆的方向盘进行控制，使得智能车辆的方向盘转动相应的转角）。权利要求1与对比文件4相比，区别技术特征是：从样本数据中提取路况特征，路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；智能车辆控制模型的输入还包括路况特征；车辆状态特征还包括横向速度、纵向速度。基于上述区别技术特征，本申请实际要解决的技术问题是：更准确的得到方向盘转角。
对于上述区别技术特征，对比文件3公开了如下技术特征（参见说明书第[0021]-[0030]段、附图1）：采集车辆的驾驶状态信息（即车辆状态特征），包括方向盘转角、车速等；采集车辆周围环境状况信息（即路况特征），包括车道数量、自车所处的车道、车道线轨迹等；根据车辆的驾驶状态信息和车辆周围环境状况信息建立驾驶行为模型，根据驾驶行为模型对汽车的驾驶行为进行自动控制（参见说明书第[0022]-[0025]段）。由于方向盘转角属于车辆控制过程中重要的控制参数，因此对比文件3给出了利用路况特征建立模型从而更准确的得到方向盘转角的技术启示，由此本领域技术人员容易想到“从样本数据中提取路况特征，智能车辆控制模型的输入还包括路况特征”，在此基础上，由于车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率属于影响方向盘角度的常见参数，因此“路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合”属于本领域技术人员对路况特征的常规选择；同理，由于横向速度、纵向速度属于影响方向盘角度的常见参数，因此“车辆状态特征还包括横向速度、纵向速度”属于本领域技术人员对车辆状态特征的常规选择。
因此，在对比文件4的基础上结合对比文件3、本领域的公知常识得到权利要求1请求保护的技术方案对本领域技术人员而言是显而易见的，该权利要求不具备突出的实质性特点和显著的进步，不符合专利法第22条第3款有关创造性的规定。
2）、权利要求2对权利要求1做了进一步限定。对比文件4公开了：使用一部分数据训练神经网络，使用剩余的另一部分数据对神经网络进行检验（即对智能车辆控制模型进行测试评估）（参见说明书第[0035]段）；在此基础上“利用评估结果对所述智能车辆控制模型进行优化”属于本领域的惯用技术手段。因此，当该权利要求引用的权利要求不具备创造性时，该权利要求也不具备专利法第22条第3款规定的创造性。
3）、权利要求3对权利要求2做了进一步限定。采用车辆模型提供输入数据并接收输出数据、将测试结果与预期结果进行比对都是本领域评估模型的惯用手段，因此“对智能车辆控制模型进行测试评估包括：将智能车辆控制模型与车辆模型进行仿真对接，其中，从车辆模型获取车辆状态特征和路况特征并输入智能车辆控制模型，将智能车辆控制模型输出的方向盘转角输入所述车辆模型；仿真多种驾驶环境进行测试；将测试结果与预期结果进行比对”属于本领域技术人员容易想到的。因此，当该权利要求引用的权利要求不具备创造性时，该权利要求也不具备专利法第22条第3款规定的创造性。
4）、权利要求4对权利要求2做了进一步限定，“利用评估结果对智能车辆控制模型进行优化包括：将测试结果符合预期结果的测试数据作为样本数据，对智能车辆控制模型进行迭代优化”属于本领域常用的通过增加训练数据量优化模型的技术手段。因此，当该权利要求引用的权利要求不具备创造性时，该权利要求也不具备专利法第22条第3款规定的创造性。
5）、权利要求5请求保护一种智能车辆控制方法，对比文件4公开了一种智能车辆控制方法，并公开了如下技术特征（参见说明书第[0032]-[0084]段、附图1-3）：获取当前车辆状态信息数据，车辆状态信息数据包括横摆角速率（即提取待控制车辆的车辆状态特征，车辆状态特征包括横摆角速度）（参见说明书第[0033]-[0036]段）；在车辆驾驶专家模式库中计算对应的方向盘转角（即将提取的特征输入智能车辆控制模型，得到方向盘转角）（参见说明书第 [0036]段）；根据车辆驾驶专家模式库计算的方向盘转角对驾驶员操作的方向盘转角进行修正，具体为：将计算的方向盘转角与当前驾驶员操作的方向盘转角进行比较，当两者误差在容许范围内，将计算的方向盘转角作为驾驶员操作期望方向盘转角（参见说明书第 [0034]-[0036]段）（即利用方向盘转角对待控制车辆的方向盘进行控制，使得待控制车辆的方向盘转动相应的转角）；待控制车辆为采用智能算法参与控制的智能车辆。权利要求5中的智能车辆控制模型是利用如权利要求1至4任一权利要求所述的方法建立的，因此权利要求5与对比文件4相比，除了权利要求1-4与对比文件4的区别技术特征之外，还包括：提取待控制车辆的路况特征，路况特征包括待控制车辆与参考车道的横向偏差、待控制车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；车辆状态特征还包括横向速度、纵向速度。基于上述区别技术特征，本申请实际要解决的技术问题是：更准确的得到方向盘转角。
对于上述区别技术特征，对比文件3公开了如下技术特征（参见说明书第[0021]-[0030]段、附图1）：采集车辆的驾驶状态信息（即车辆状态特征），包括方向盘转角、车速等；采集车辆周围环境状况信息（即路况特征），包括车道数量、自车所处的车道、车道线轨迹等；根据车辆的驾驶状态信息和车辆周围环境状况信息建立驾驶行为模型，根据驾驶行为模型对汽车的驾驶行为进行自动控制（参见说明书第[0022]-[0025]段）。由于方向盘转角属于车辆控制过程中重要的控制参数，因此对比文件3给出了利用路况特征建立模型从而更准确的得到方向盘转角的技术启示，当控制汽车时本领域技术人员容易想到“提取待控制车辆的路况特征”，在此基础上，由于车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率属于影响方向盘角度的常见参数，因此“路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合”属于本领域技术人员对路况特征的常规选择；同理，由于横向速度、纵向速度属于影响方向盘角度的常见参数，因此“车辆状态特征还包括横向速度、纵向速度”属于本领域技术人员对车辆状态特征的常规选择。
因此，当引用的权利要求1-4不具备专利法第22条第3款规定的创造性时，在对比文件4的基础上结合对比文件3、本领域的公知常识得到权利要求5请求保护的技术方案对本领域技术人员而言是显而易见的，该权利要求不具备突出的实质性特点和显著的进步，不符合专利法第22条第3款有关创造性的规定。
6）、权利要求6对权利要求5做了进一步限定。“利用方向盘转角对所述待控制车辆进行控制包括：判断方向盘转角是否小于或等于预设转角阈值，如果否，则利用方向盘转角对待控制车辆进行控制；如果是，则修正所述方向盘转角为0”属于避免汽车走S路线的惯用技术手段。因此，当该权利要求引用的权利要求不具备创造性时，该权利要求也不具备专利法第22条第3款规定的创造性。
7）、权利要求7请求保护一种建立智能车辆控制模型的装置，对比文件4公开了一种建立智能车辆控制模型的装置，并公开了如下技术特征（参见说明书第[0032]-[0084]段、附图1-3）：该装置包括：使用角度传感器采集得到有经验的驾驶员在各种实际工况下每次操作的驾驶操作专家数据组，其中包括方向盘转角（即样本获取单元，用于获取样本数据，样本数据包括各驾驶环境下对应的方向盘转角）（参见说明书第[0035]段）；获取车辆状态信息数据，包括横摆角速率（即特征提取单元，用于从样本数据中提取车辆状态特征，车辆状态特征包括横摆角速度）（参见说明书第[0033]段）；以横摆角速率为输入，以对应的方向盘转角为输出，训练神经网络，并检验神经网络，构建车辆驾驶专家模式库（即模型训练单元，用于利用提取的特征以及对应的方向盘转角训练神经网络模型，得到智能车辆控制模型，智能车辆控制模型的输入为车辆状态特征，输出为方向盘转角）（参见说明书第[0034]-[0035]段）；根据车辆驾驶专家模式库计算的方向盘转角对驾驶员操作的方向盘转角进行修正，具体为：将计算的方向盘转角与当前驾驶员操作的方向盘转角进行比较，当两者误差在容许范围内，将计算的方向盘转角作为驾驶员操作期望方向盘转角（参见说明书第[0034]-[0036]段）（即智能车辆控制模型用于依据输出的方向盘转角对智能车辆的方向盘进行控制，使得智能车辆的方向盘转动相应的转角）。权利要求7与对比文件4相比，区别技术特征是：从样本数据中提取路况特征，路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；智能车辆控制模型的输入还包括路况特征；车辆状态特征还包括横向速度、纵向速度。基于上述区别技术特征，本申请实际要解决的技术问题是：更准确的得到方向盘转角。
对于上述区别技术特征，对比文件3公开了如下技术特征（参见说明书第[0021]-[0030]段、附图1）：采集车辆的驾驶状态信息（即车辆状态特征），包括方向盘转角、车速等；采集车辆周围环境状况信息（即路况特征），包括车道数量、自车所处的车道、车道线轨迹等；根据车辆的驾驶状态信息和车辆周围环境状况信息建立驾驶行为模型，根据驾驶行为模型对汽车的驾驶行为进行自动控制（参见说明书第[0022]-[0025]段）。由于方向盘转角属于车辆控制过程中重要的控制参数，因此对比文件3给出了利用路况特征建立模型从而更准确的得到方向盘转角的技术启示，由此本领域技术人员容易想到“从样本数据中提取路况特征，智能车辆控制模型的输入还包括路况特征”，在此基础上，由于车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率属于影响方向盘角度的常见参数，因此“路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合”属于本领域技术人员对路况特征的常规选择；同理，由于横向速度、纵向速度属于影响方向盘角度的常见参数，因此“车辆状态特征还包括横向速度、纵向速度”属于本领域技术人员对车辆状态特征的常规选择。
因此，在对比文件4的基础上结合对比文件3、本领域的公知常识得到权利要求7请求保护的技术方案对本领域技术人员而言是显而易见的，该权利要求不具备突出的实质性特点和显著的进步，不符合专利法第22条第3款有关创造性的规定。
8）、权利要求8对权利要求7做了进一步限定。对比文件4公开了：使用一部分数据训练神经网络，使用剩余的另一部分数据对神经网络进行检验（即测试评估单元，用于对所述智能车辆控制模型进行测试评估）（参见说明书第[0035]段）；在此基础上“模型优化单元，用于利用所述评估结果对所述智能车辆控制模型进行优化”属于本领域的惯用技术手段。因此，当该权利要求引用的权利要求不具备创造性时，该权利要求也不具备专利法第22条第3款规定的创造性。
9）、权利要求9对权利要求8做了进一步限定。采用车辆模型提供输入数据并接收输出数据、将测试结果与预期结果进行比对都是本领域评估模型的惯用技术手段，因此“测试评估单元，具体用于：将智能车辆控制模型与车辆模型进行仿真对接，其中，从车辆模型获取车辆状态特征和路况特征并输入智能车辆控制模型，将智能车辆控制模型输出的方向盘转角输入车辆模型；仿真多种驾驶环境进行测试；将测试结果与预期结果进行比对”属于本领域技术人员容易想到的。因此，当该权利要求引用的权利要求不具备创造性时，该权利要求也不具备专利法第22条第3款规定的创造性。
10）、权利要求10对权利要求8做了进一步限定，“模型优化单元，具体用于将测试结果符合预期结果的测试数据作为样本数据，触发对智能车辆控制模型的迭代优化”属于本领域常用的通过增加训练数据量优化模型的技术手段。因此，当该权利要求引用的权利要求不具备创造性时，该权利要求也不具备专利法第22条第3款规定的创造性。
11）、权利要求11请求保护一种智能车辆控制装置，对比文件4公开了一种智能车辆控制装置，并公开了如下技术特征（参见说明书第[0032]-[0084]段、附图1-3）：获取当前车辆状态信息数据，车辆状态信息数据包括横摆角速率（即特征提取单元，用于提取待控制车辆的车辆状态特征，车辆状态特征包横摆角速度）（参见说明书第[0033]-[0036]段）；在车辆驾驶专家模式库中计算对应的方向盘转角（即转角获取单元，用于将提取的特征输入智能车辆控制模型，得到方向盘转角）（参见说明书第[0036]段）；根据车辆驾驶专家模式库计算的方向盘转角对驾驶员操作的方向盘转角进行修正，具体为：将计算的方向盘转角与当前驾驶员操作的方向盘转角进行比较，当两者误差在容许范围内，将计算的方向盘转角作为驾驶员操作期望方向盘转角（参见说明书第 [0034]-[0036]段）（即控制处理单元，用于利用方向盘转角对待控制车辆的方向盘进行控制，使得待控制车辆的方向盘转动相应的转角）；待控制车辆为采用智能算法参与控制的智能车辆。权利要求11中的智能车辆控制模型是利用如权利要求7至10任一权利要求所述的装置建立的，因此权利要求11与对比文件4相比，除了权利要求7-10与对比文件4的区别技术特征之外，还包括：提取待控制车辆的路况特征，路况特征包括待控制车辆与参考车道的横向偏差、待控制车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；车辆状态特征还包括横向速度、纵向速度。基于上述区别技术特征，本申请实际要解决的技术问题是：更准确的得到方向盘转角。
对于上述区别技术特征，对比文件3公开了如下技术特征（参见说明书第[0021]-[0030]段、附图1）：采集车辆的驾驶状态信息（即车辆状态特征），包括方向盘转角、车速等；采集车辆周围环境状况信息（即路况特征），包括车道数量、自车所处的车道、车道线轨迹等；根据车辆的驾驶状态信息和车辆周围环境状况信息建立驾驶行为模型，根据驾驶行为模型对汽车的驾驶行为进行自动控制（参见说明书第[0022]-[0025]段）。由于方向盘转角属于车辆控制过程中重要的控制参数，因此对比文件3给出了利用路况特征建立模型从而更准确的得到方向盘转角的技术启示，当控制汽车时本领域技术人员容易想到“提取待控制车辆的路况特征”，在此基础上，由于车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率属于影响方向盘角度的常见参数，因此“路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合”属于本领域技术人员对路况特征的常规选择；同理，由于横向速度、纵向速度属于影响方向盘角度的常见参数，因此“车辆状态特征还包括横向速度、纵向速度”属于本领域技术人员对车辆状态特征的常规选择。
因此，当引用的权利要求7-10不具备专利法第22条第3款规定的创造性时，在对比文件4的基础上结合对比文件3、本领域的公知常识得到权利要求11请求保护的技术方案对本领域技术人员而言是显而易见的，该权利要求不具备突出的实质性特点和显著的进步，不符合专利法第22条第3款有关创造性的规定。
12）、权利要求12对权利要求11做了进一步限定。“控制处理单元，具体用于判断方向盘转角是否小于或等于预设转角阈值，如果否，则利用方向盘转角对待控制车辆进行控制；如果是，则修正所述方向盘转角为0”属于避免汽车走S路线的惯用技术手段。因此，当该权利要求引用的权利要求不具备创造性时，该权利要求也不具备专利法第22条第3款规定的创造性。
3、针对复审请求人提出的陈述意见的答复
复审请求人认为：1）、在对比文件4中车辆驾驶专家模式库的输入并没有路况特征，之所以产生该差异，是因为对比文件4要解决的是独立驱动-独立转向车辆的操作是否合理有效的问题，并不考虑该操作如何适应路况。并且对比文件4仅适用于有人驾驶的情况，操作车辆与路况的适应问题由驾驶员解决；2）、权利要求1与对比文件4相比，至少存在以下区别技术特征：训练的智能车辆控制模型的输入为车辆状态特征和路况特征，输出为方向盘转角；其中所述智能车辆控制模型用于依据输出的方向盘转角对智能车辆的方向盘进行控制，使得智能车辆的方向盘转动相应的转角；所述车辆状态特征还包括横向速度、纵向速度，所述路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合；3）、本申请与对比文件3模型的输入和输出并不相同，且对比文件3也未公开权利要求1中具体的车辆状态特征和路况特征；4）、本申请并非是人为的控制，而是对无人驾驶的智能车辆的方向盘转角的控制；另外，本申请的权利要求1中对智能车辆控制模型的输出采用的是“封闭式”的限定方式，即“输出为方向盘转角”，足以表达模型输出只有方向盘转角而不包含其他内容；5）、对于人工智能所涉及的神经网络模型而言，一个模型的决定性因素就是输入特征以及输出内容，无论是输入不同还是输出不同，亦或是都不同，都不能够认为是相同的模型，这是本领域技术人员所公知的。本领域技术人员所公知的还包括：对于神经网络模型的训练而言，即便是针对相同的输出，从多种多样的特征中选择什么样的、具体哪些特征是对模型的效果产生极大影响的。对于本申请而言，车辆状态特征和路况特征是多种多样的，采用什么样的特征在进行智能车辆控制模型的训练才能够达到最好的效果是模型训练的重点。因此，关键点就在于，合理地选择对模型的效果最为敏感的特征。对比文件3与本申请的模型并不相同。对于对比文件4而言，模型输出除了包括方向盘转角之外，还包括其他控制参数，输出与本申请就不同，那么其在考虑什么特征对模型效果最为敏感时与专注于输出方向盘转角的模型也必然不相同。
合议组经查认为：1）、首先，对比文件3公开了如下技术特征：根据车辆的驾驶状态信息和车辆周围环境状况信息（即路况特征）建立驾驶行为模型，根据驾驶行为模型对汽车的驾驶行为进行自动控制（参见说明书第[0022]-[0025]段）。由于方向盘转角属于车辆控制过程中重要的控制参数，因此对比文件3给出了利用路况特征建立模型从而更准确的得到方向盘转角的技术启示，在此基础上“智能车辆控制模型的输入还包括路况特征”属于本领域技术人员容易想到的；其次，虽然对比文件4中车辆驾驶专家模式库的输入并没有路况特征，但任何汽车都是在道路上行驶的，对汽车进行的控制也都是在考虑路况特征的基础上进行的，因此本领域技术人员有动机在对比文件4的基础上结合对比文件3，从而在对比文件4的车辆驾驶专家模式库的输入中加入路况特征；再次，虽然对比文件4适用于有人驾驶的情况，但其同样公开了仅使用车辆驾驶专家模式库计算得到的方向盘转角进行方向盘控制的情况，因此对比文件4同样需要考虑路况特征；最后，对于有人驾驶的智能驾驶而言，采用模型等先进技术解决车辆与路况的适应问题属于本领域的惯用技术手段，因此“操作车辆与路况的适应问题由驾驶员解决”缺乏事实依据；2）、对于上述区别技术特征，对比文件4公开了“训练的智能车辆控制模型的输入为车辆状态特征，输出为方向盘转角；其中所述智能车辆控制模型用于依据输出的方向盘转角对智能车辆的方向盘进行控制，使得智能车辆的方向盘转动相应的转角”；对比文件3给出了“训练的智能车辆控制模型的输入为路况特征”的技术启示；“所述车辆状态特征还包括横向速度、纵向速度，所述路况特征包括车辆与参考车道的横向偏差、车辆航向与参考车道线的航向角偏差和道路曲率中的一种或任意组合”属于常规的对方向盘转角具有影响的参数（参见对权利要求1的评述）；3）、虽然本申请与对比文件3模型的输入和输出并不相同，但对比文件3给出了“智能车辆控制模型的输入还包括路况特征”的技术启示；另外权利要求1中具体的车辆状态特征和路况特征属于本领域技术人员对影响方向盘转角的参数的常规选择；4）、无人驾驶涉及到多种控制，例如对方向盘的控制、对刹车的控制、对汽车启动的控制等，本申请仅仅涉及对方向盘的转角进行模型控制，并没有提及对刹车、汽车启动等如何进行控制，因此不能得出本申请是无人驾驶的结论；权利要求封闭式的撰写方式采用“由……组成”的表达方式，显然“输出为方向盘转角”并非采用这种撰写方式，因此不能得出本申请的“模型输出只有方向盘转角而不包含其他内容”的结论；5）、对于神经网络而言，由于其在训练的过程中多次经过迭代减小与期望值的误差，因此能够实现高度拟合，从而真实的模拟控制过程，因此无论对比文件4与本申请的输出数量是否相同，二者输出的方向盘转角都与真实的方向盘转角接近，从对方向盘的转角的控制而言，本申请的模型输出与对比文件4的模型输出并无不同；另外本申请权利要求中也并未限定模型输出只有方向盘转角。对比文件4公开了神经网络的输出包括方向盘转角，输入包括车辆状态信息数据，对比文件3给出了“智能车辆控制模型的输入还包括路况特征”的技术启示，在此基础上为了更加准确的得到方向盘转角，选择对方向盘转角影响较大的具体的车辆状态特征和路况特征作为模型的输入属于本领域技术人员在建立模型的过程中的常规选择。
综上所述，复审请求人的意见合议组不予支持。
根据以上事实和理由，本案合议组依法作出以下审查决定。
三、决定
维持国家知识产权局于2018年01月24日对本申请作出的驳回决定。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本复审请求审查决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
