具身智能伦理规则类算法，客体审查比你想的更严——一件复审案例的启示
作者：成都余行专利代理事务所 算法专利团队
具身智能有一个区别于纯软件 AI 的特殊之处：它的算法输出最终要驱动一个物理实体在人类身边行动。这让伦理规则类算法——安全约束、价值对齐、行为边界判断——从“可选功能”变成了“必要组件”。研发投入在增加，申请量在上升，但这类申请的客体审查通过率并不乐观。
原因不在于审查员对伦理规则有偏见，而在于这类算法的撰写方式天然容易踩进一个陷阱：把“规则选择”写成了发明主体，把“硬件执行”写成了事后标签。 本文以一件复审案例为底本，拆解伦理规则类算法在客体审查中的特殊风险，以及撰写时能做什么。
一、复审案例：一件“机器人行为伦理决策方法”的驳回与维持
申请概要（脱敏处理）：
权利要求1：一种机器人行为伦理决策方法，其特征在于，包括：获取当前场景中涉及伦理冲突的要素信息；根据预设的伦理规则库对所述要素信息进行伦理评估，得到伦理评分；根据所述伦理评分选择行为策略；将所述行为策略输出至机器人执行机构执行。
审查意见的客体部分：
权利要求1请求保护一种机器人行为伦理决策方法。其核心在于根据预设伦理规则对要素信息进行评分并选择策略，属于人为规定的规则和数学计算。所述机器人执行机构仅为策略的执行载体，权利要求未对机器人本体的具体结构或物理约束作出限定，未解决具体技术问题，未产生技术效果，不属于专利法意义上的技术方案。
复审请求人的主要理由：
本方法应用于具身智能机器人，输出直接驱动执行机构，不是抽象的伦理判断，而是物理世界中的行为控制，应当构成技术方案。
复审决定维持驳回，核心理由可以概括为三句话：
第一，“应用于机器人”不改变算法本身的性质。伦理规则库的构建、伦理评分的计算、策略的选择，仍然是人为规定的规则和数学过程。
第二，“输出至执行机构”是执行环节，不是算法步骤的技术化。权利要求没有说明行为策略如何受机器人物理约束（关节力矩、运动学可行域、实时性窗口）的限制，执行机构只是接收端。
第三，伦理评估本身不解决技术问题。伦理评分高低是一个价值判断结果，不是物理系统状态的改善。没有物理约束进场，没有可测量的技术效果，客体关过不去。
这份复审决定的价值不在于结论本身，而在于它精确标出了伦理规则类算法的三个客体缺口：规则的人为性、执行的标签化、效果的缺失。
二、伦理规则类算法为什么比一般算法更脆弱
一般算法专利的客体风险主要来自“数学方法”认定。伦理规则类算法多了一层风险：规则本身的人为规定性。
审查指南对“智力活动规则”的判断中，有一类明确指向“人为规定的规则”。伦理规则库——无论它叫“阿西莫夫三定律”“价值对齐矩阵”还是“安全边界表”——本质上是一组人预先设定的判断标准。如果权利要求的核心步骤是“按这组规则打分、按分数选策略”，审查员很容易将其读成“按人为规则做判断”，而不是“利用自然规律解决技术问题”。
更麻烦的是，伦理规则类算法往往天然缺少物理约束。步态规划算法有摩擦锥、力矩上限、地形扰动可以锚定；力控算法有接触刚度、阻抗参数可以锚定。伦理决策算法的输入是“场景要素”，输出是“行为策略”，中间是“规则评估”——三个环节都可以悬在空中，不碰任何物理量。
这就是为什么同样加了“机器人执行机构”这句话，步态算法的客体通过率高于伦理决策算法：步态算法的物理约束是内生的，伦理算法的物理约束需要额外写进去。
三、复审决定标出的三个缺口，分别怎么补
缺口一：规则的人为性——把伦理规则从“判断标准”变成“安全约束的技术实现”
伦理规则不能作为发明主体来写，但可以作为技术系统中的约束条件来写。区别在于：规则是“怎么判断对错”，约束是“在什么物理条件下允许什么动作”。
改写方向不是把伦理规则写得更细，而是把伦理规则翻译成物理系统可执行的约束。举例：
- 弱写法：“根据伦理规则判断靠近人类时是否减速”——规则是判断标准，物理上什么都没限定。
- 强写法：“当人体检测传感器测得机器人与最近人体距离小于安全阈值时，在关节速度指令上叠加与距离成反比的限速因子，所述安全阈值根据机器人当前末端速度和质量确定”——伦理考量被翻译成了距离—速度约束，物理量进场了。
关键动作是：找到伦理规则对应的物理量、传感器和执行器行为，把规则写成约束，而不是写成评分表。 伦理规则库可以保留在说明书里作为设计依据，但权利要求的主体应当是物理约束和算法步骤的技术组合。
缺口二：执行的标签化——让执行机构从“接收端”变成“约束源”
“输出至执行机构”之所以被认定为标签，是因为执行机构没有反过来约束算法。补这个缺口的方法，是让执行器的物理特性进入算法的求解过程。
具体写法包括：行为策略在输出前经过运动学可行性校验（逆解是否存在、是否超出工作空间）；策略中的动作参数受关节力矩上限和速度上限约束；决策周期受控制总线通信周期限制，超时的策略降级为安全默认动作；执行前的碰撞检测和急停回路作为策略输出的使能条件。
这些特征的作用不是“让机器人执行”，而是“让机器人的物理限制改变算法输出”。一旦执行器从被动接收变成主动约束，客体论证中“仅为执行载体”的质疑就失去了落点。
缺口三：效果的缺失——从“伦理评分改善”转向“物理行为可测量变化”
伦理规则类申请的效果段落，最常见的是“提高了伦理合规性”“降低了伦理风险”“提升了价值对齐度”。这些是价值判断，不是技术效果。
技术效果要落在物理行为上。可写的效果包括：人机最小距离的分布变化、紧急停止的响应时间、限速区间内的末端速度波动、冲突场景下的关节加速度峰值、误触发率与漏触发率。这些指标是可测量、可复现、与物理系统行为直接相关的。
效果归因同样要落到区别特征上：如果区别特征是“距离—速度约束”，效果就应该是“人机最小距离从X降至Y、急停触发次数从A降至B”，而不是“伦理合规性提升”。
四、改写对照：从“伦理决策方法”到“带安全约束的行为控制方法”
改写前（复审维持驳回的文本）：
一种机器人行为伦理决策方法，包括：获取场景中涉及伦理冲突的要素信息；根据预设伦理规则库进行伦理评估得到评分；根据评分选择行为策略；输出至执行机构。
改写后（示例性节选，不代表授权承诺）：
一种具身智能机器人的人机共处行为控制方法，其特征在于，包括：
通过人体检测传感器获取最近人体距离和人体运动速度，通过关节编码器获取机器人末端速度；
根据所述最近人体距离和机器人末端速度确定安全约束，所述安全约束包括：当最近人体距离小于第一阈值时，关节速度指令的上限按距离线性递减；当最近人体距离小于第二阈值时，触发急停回路，所述第二阈值小于第一阈值；
在所述安全约束下求解行为策略，所述行为策略的动作参数受关节力矩上限和工作空间边界约束；
对求解得到的行为策略进行逆运动学可行性校验，校验不通过时降级为安全默认动作；
将校验通过的行为策略经控制总线输出至关节驱动器，输出周期与总线通信周期同步。
改写后的文本没有出现“伦理规则库”“伦理评分”这些词。伦理考量还在——人机距离、限速、急停都是伦理规则的技术表达——但它们以物理约束和传感器—执行器因果链的形式出现。权利要求的主体从“按规则做伦理判断”变成了“按物理约束做行为控制”。
这里需要说清楚一个边界：改写后的方案不一定就能授权，创造性还要看具体技术贡献。但客体关的通过概率会显著提高，因为审查员看到的是一组物理约束、传感器输入和执行器输出，而不是一组人为规定的判断规则。
五、伦理规则类算法的撰写原则：规则留在说明书，约束写进权利要求
复审案例给出的最实用启示，可以浓缩为一条撰写原则：伦理规则本身作为设计依据写在说明书里，权利要求写的是规则对应的物理约束和技术实现。
说明书里可以详细描述伦理规则库的构建方法、规则优先级、价值对齐框架——这些是发明的设计背景，也是公开充分性的支撑。权利要求则不直接主张“按规则判断”，而是主张“在什么物理条件下、用什么传感器输入、对什么执行器输出施加什么约束”。
这样做不是隐藏伦理规则，而是把发明贡献放在技术实现层面。伦理规则本身很难主张排他权（人为规定的东西，人人可以有不同的规定），但“把某类伦理考量转化为特定物理约束并与传感器、执行器形成因果链”的技术方案，是可以主张的。
还有一个附带好处：当竞争对手使用不同的伦理规则库但相同的物理约束实现时，你的权利要求仍然能覆盖。如果权利要求主体是规则库，保护范围会随规则不同而漂移；如果主体是物理约束实现，保护范围更稳定。
六、交底书阶段就要问的五个问题
伦理规则类算法的交底书，研发人员往往花大量篇幅描述规则体系和价值框架，却很少写物理实现。收交底书时，用五个问题把技术侧的信息问出来：
- 这条伦理规则对应哪个传感器的输入？测的是什么物理量？
- 规则触发后，执行器的什么参数被改变？力矩、速度、位置还是使能状态？
- 规则约束下，算法的求解空间或输出发生了什么变化？
- 机器人本体的物理限制（力矩上限、工作空间、通信周期、急停回路）有没有进入算法？
- 效果能不能用物理指标测量？人机距离、响应时间、速度波动、误触发率？
五个问题答不上来三个以上，这份交底书大概率只能写成“按规则判断”的文本，客体风险很高。建议在撰写前先做一轮“规则—物理量”映射。
七、自检清单
提交伦理规则类算法申请前，用六个问题过一遍：
- 权利要求1的主体是物理约束和行为控制，还是“按规则评分/判断/选择”？
- 伦理规则有没有被翻译成传感器输入—约束条件—执行器输出的因果链？
- 执行机构是被动接收端，还是反过来约束了算法输出？
- 效果段落写的是物理行为变化，还是伦理合规性/价值对齐度？
- 效果能否归因到具体的物理约束特征？
- 说明书里有没有保留伦理规则的设计描述，以支撑公开充分性？
六个问题里如果有三个以上答“否”，客体风险大概率偏高，建议在提交前做一轮改写。
回到复审决定
那份复审决定维持驳回，不是因为伦理规则不重要，而是因为权利要求里只有规则和评分，没有物理约束和因果链。“应用于机器人”和“输出至执行机构”这两句话，救不了一个悬空的规则评估流程。
具身智能的伦理规则类算法，技术贡献往往不在规则本身，而在规则如何被翻译成物理系统可执行、可约束、可测量的技术方案。把翻译做在撰写阶段，客体关才有得谈；把翻译留到答复阶段，成本和不确定性都会高得多。
延伸工具：《伦理规则类算法“规则—物理量”映射自检表》——按传感器绑定、约束翻译、执行器反馈、效果指标四个维度逐项自查，附复审案例改写对照。可在网站工具页获取。
本文基于一件复审案例的处理思路改写，技术细节已做脱敏处理，不构成对授权结果的承诺。具体案件需结合完整权利要求、说明书公开内容和审查意见判断。
