示教数据、仿真数据、真机数据：三种数据资产的确权路径不一样
作者：成都余行专利代理事务所 算法专利团队
第四篇讲了示教数据类交底书容易被漏掉的四样东西——采集条件、标注规则、训练条件、执行映射。那一篇的落点是“交底书怎么写才不漏”。
这一篇换一个角度：具身智能企业手里的数据不止一种，不同数据资产的确权路径不一样。 把示教数据、仿真数据、真机数据混在一起，用同一套思路去确权，结果是该申请的方法专利没申请，不该硬申的数据被写成了公开不充分的文本。
三种数据的来源不同、法律属性不同、可专利化的切入点不同，确权路径必须分开设计。
一、先分清三种数据：来源不同，确权起点就不同
| 数据类型 | 来源 | 典型用途 | 确权起点 |
|---|---|---|---|
| 示教数据 | 人类操作者通过遥操作、动捕、VR手柄等设备演示动作 | 模仿学习、行为克隆、技能迁移 | 采集条件和标注规则本身可能构成方法特征 |
| 仿真数据 | 物理引擎、渲染引擎生成的合成数据 | 大规模预训练、域随机化、仿真到真实的迁移 | 仿真环境构建方法和域随机化策略是确权重点 |
| 真机数据 | 机器人在实际运行中采集的传感器数据、执行日志、失败样本 | 在线微调、故障诊断、策略评估 | 数据采集与反馈闭环的方法结构是确权重点 |
三种数据的根本区别在于：示教数据是“人教机器”，仿真数据是“模型教模型”，真机数据是“机器教自己”。 三种“教”的方式不同，技术贡献的位置就不同，确权路径自然不同。
把它们混在一起的典型后果是：交底书写成“采集数据、训练模型、部署执行”，审查员看不出数据来源对技术方案有什么限定作用，公开充分性和创造性都出问题。
二、示教数据：确权重点在“怎么采、怎么标”
示教数据的法律属性最接近“技术方法素材”——它本身是数据，但采集和标注过程是人类操作者与机器人之间的技术交互，这个交互过程可以构成方法专利的保护对象。
确权路径一：采集方法专利。 保护的是“怎么采”——遥操作主手的关节映射方式、力反馈的渲染方法、采集过程中的同步与对齐方法。这类专利的区别特征往往不在“采了数据”，而在“采集时做了什么处理让数据可用”。比如：主手与从手的运动学映射关系、力反馈的缩放与滤波、多模态信号的时序对齐。
确权路径二：标注方法专利。 保护的是“怎么标”——标注对象、标注粒度、标注规则、一致性校验。标注规则本身可能是区别技术特征：按接触力峰值对齐、按阶段片段级标注、按成功/失败二分类加置信度标注。这类专利的价值在于：竞争对手可以用不同的采集设备，但如果用了相同的标注规则来训练模型，就可能落入保护范围。
确权路径三：数据增强与筛选方法专利。 保护的是“怎么从原始示教数据得到训练样本”——哪些帧被保留、哪些被丢弃、抖动怎么滤、异常怎么剔、样本怎么扩增。数据筛选规则往往决定了模型学到什么，是示教数据链上最容易被忽略的确权点。
示教数据确权的一个实务判断： 如果示教数据的价值主要体现在“数据本身的内容”（比如某条特定轨迹），确权难度大，因为数据内容难以用方法权利要求覆盖；如果价值主要体现在“采集和标注的方法结构”（比如按什么规则对齐、按什么标准筛选），确权路径就清晰。示教数据专利化的关键，是把“数据内容”翻译成“数据加工方法”。
三、仿真数据：确权重点在“环境怎么建、域怎么随机”
仿真数据的法律属性与示教数据不同。仿真数据本身是合成产物，数据内容的确权价值有限，真正有技术贡献的是生成这些数据的仿真环境和方法。
确权路径一：仿真环境构建方法专利。 保护的是“物理引擎参数怎么设、场景怎么建、传感器模型怎么标定”。比如：接触模型的参数辨识方法、视觉渲染的光照与材质建模方法、传感器噪声模型的标定方法。这类专利的区别特征在于“仿真环境与真实环境的对齐方式”，而不是仿真环境本身。
确权路径二：域随机化方法专利。 这是仿真数据确权最核心的路径。域随机化——在训练时随机化光照、纹理、摩擦系数、质量分布等参数，使模型对真实世界的多样性更鲁棒——本身是一个方法结构：随机化哪些参数、按什么分布随机化、随机化幅度怎么随训练进程调整。这些规则是仿真数据区别于真实数据的核心技术贡献，也是最容易写成方法专利的部分。
确权路径三：仿真到真实的迁移方法专利。 保护的是“怎么把仿真中训练的策略迁移到真机上”——系统辨识方法、残差建模方法、在线校准方法。这类专利的区别特征在于“迁移过程中补偿了什么差异、怎么补偿”，而不是“迁移了”。
仿真数据确权的一个实务判断： 仿真数据本身很难直接作为专利保护对象，但生成仿真数据的方法和用仿真数据训练策略的方法可以。如果企业的技术贡献主要在“仿真环境建得真”或“域随机化做得好”，确权路径是清晰的；如果贡献主要在“仿真数据量大”，确权路径就模糊，因为数据量本身不是技术特征。
四、真机数据：确权重点在“采集与反馈的闭环结构”
真机数据的法律属性最接近“运行状态信息”——它是机器人在实际工况中产生的传感器读数、执行日志、失败样本。真机数据的确权难点在于：数据本身是运行产物，不是设计产物，技术贡献往往藏在“怎么用这些数据”里。
确权路径一：在线数据采集与反馈方法专利。 保护的是“机器人在运行中怎么采集数据、怎么判断数据价值、怎么回传或触发学习”。比如：失败样本的自动识别与标注方法、数据价值评估与筛选方法、边缘端与云端的数据分流方法。这类专利的区别特征在于“采集什么、什么时候采、怎么判断值得采”，而不是“采了数据”。
确权路径二：在线微调与策略更新方法专利。 保护的是“真机数据怎么用于模型更新”——在线学习的触发条件、更新幅度控制、新旧策略的切换与回退。这类方法专利的价值在于：它覆盖了“机器人越用越好”这个闭环过程，而闭环结构本身是技术方案。
确权路径三：故障诊断与异常处理方法专利。 保护的是“真机数据怎么用于判断异常、怎么触发回退”。比如：基于力/力矩信号高频分量的碰撞检测方法、基于电流波形的关节故障识别方法、异常后的安全回退策略。这类专利在救援、巡检、工业场景中尤其值钱，因为异常处理规则是现场经验的核心沉淀。
真机数据确权的一个实务判断： 真机数据的确权价值不在数据本身，而在数据驱动的闭环结构。如果企业只是“记录了运行数据”，确权路径模糊；如果企业有“采集—判断—回传—更新—回退”的闭环方法，确权路径就清晰。真机数据专利化的关键，是把“数据记录”翻译成“数据闭环方法”。
五、三种数据的组合确权：不要写成一件“大杂烩”
三种数据的确权路径分开之后，还有一个常见问题：企业想把三种数据放在一件申请里，写成“一种基于多源数据的机器人学习方法”。这种“大杂烩”写法的问题在于：三种数据的技术贡献位置不同，硬放在一件申请里，权利要求要么写成“采集示教数据、仿真数据、真机数据，训练模型”，每一步都概括到没有区别特征；要么写成三个实施例的拼盘，权利要求缺乏单一性。
更稳妥的做法是分案布局：
- 示教数据链：采集方法 + 标注方法 + 数据增强方法，可形成2—3件申请；
- 仿真数据链：环境构建方法 + 域随机化方法 + 迁移方法，可形成2—3件申请；
- 真机数据链：在线采集反馈方法 + 在线微调方法 + 异常处理方法，可形成2—3件申请；
- 如果三种数据在同一个训练框架中协同使用，再补一件“多源数据协同训练方法”的申请，但这件申请的权利要求应当聚焦协同结构（什么条件下用哪种数据、数据之间怎么配比、怎么切换），而不是重复三种数据各自的采集方法。
分案布局的好处是：每件申请的区别特征清晰，创造性论证有支点，维权时也可以按数据链分别主张。
六、权属问题：三种数据的归属规则不一样
三种数据的确权路径不同，权属规则也有差异。
示教数据的权属，关键看采集场景：如果示教是在企业内部由员工完成的，数据及衍生方法归企业；如果是客户现场由客户人员完成的，需要在合同中约定数据和方法成果的归属。示教数据的采集往往涉及操作者的人身相关数据（动作捕捉），还需要注意个人信息保护合规。
仿真数据的权属，关键看仿真环境是谁建的：如果仿真环境是企业自研的，环境构建方法和域随机化方法归企业；如果用了第三方仿真平台，需要看平台许可协议中对衍生方法和模型的权属约定。仿真数据的权属争议较少，但方法专利的权属需要在合作开发合同中明确。
真机数据的权属，关键看机器人在谁的控制下运行：如果机器人已交付客户，运行数据归谁、企业能不能回传和使用，需要在销售合同或服务协议中约定。真机数据往往涉及客户的产线信息，权属和合规问题比前两种数据更复杂。
一个通用原则： 数据本身的权属和方法专利的权属可以分开约定。即使数据归客户，企业仍可以通过合同约定“基于运行数据形成的方法改进归企业所有”或“双方共有、企业享有许可权”。确权动作要在合同阶段前置，而不是等到申请专利时才发现权属不清。
七、自检清单：三种数据的确权路径有没有走对
用十个问题过一遍：
- 企业手里的数据，有没有按示教、仿真、真机三类分开盘点？
- 示教数据链，有没有采集方法、标注方法、数据增强方法的申请？
- 标注规则有没有被识别为可能的区别技术特征，而不是只写在说明书里？
- 仿真数据链，有没有环境构建方法、域随机化方法、迁移方法的申请？
- 域随机化的参数选择、分布、幅度调整规则有没有写进权利要求？
- 真机数据链，有没有在线采集反馈、在线微调、异常处理的申请？
- 真机数据的闭环结构（采集—判断—回传—更新—回退）有没有写成方法权利要求？
- 三种数据有没有被硬塞进一件“大杂烩”申请，导致权利要求缺乏区别特征？
- 三种数据的权属，在员工、客户、平台方的合同中有没有约定清楚？
- 如果明天竞争对手用不同的数据但相同的方法结构训练模型，你的专利能不能覆盖？
十个问题里如果有四个以上答“否”，说明三种数据的确权路径还没有分开设计，建议在下一批申请规划前先做一次数据资产盘点。
八、补法优先级：先分链，再补缺，最后理权属
如果三种数据的确权现状比较混乱，建议的顺序是：
第一步，分链盘点。 把企业手里的数据按示教、仿真、真机三条链分开，每条链列出已有的申请和缺失的环节。分链的目的不是增加申请数量，而是让每条链的技术贡献位置清晰。
第二步，补缺失环节。 示教链优先补标注方法和数据增强方法（这两类最容易被忽略）；仿真链优先补域随机化方法（这是仿真数据最核心的技术贡献）；真机链优先补在线反馈闭环和异常处理方法（这两类最贴近客户使用价值）。
第三步，理权属。 对已交付项目和合作开发项目，检查合同中数据和方法成果的权属条款。缺失的，在续签或补充协议中补上；已经形成的成果，尽快以权属清晰的主体提交申请。
第四步，避免大杂烩。 如果已有“多源数据融合训练”的申请，检查权利要求是否聚焦协同结构。如果只是三种数据采集方法的拼盘，考虑分案或补一件聚焦协同结构的申请。
回到标题
示教数据、仿真数据、真机数据，三种数据资产的确权路径不一样。示教数据的确权重点是“怎么采、怎么标”，仿真数据的重点是“环境怎么建、域怎么随机”，真机数据的重点是“采集与反馈的闭环结构”。用同一套思路去确权三种数据，结果往往是该申请的没申请、申请了的写不实。
数据是具身智能企业最实在的资产，但数据本身不是专利。把数据加工方法、数据闭环结构、数据驱动的技术方案翻译成权利要求，数据资产才真正变成专利资产。三条链分开走，每条链的确权路径走对，数据才不会留在服务器里。
延伸工具：《三种数据资产确权路径自检表》——按示教链、仿真链、真机链三条路径逐项自查，附每条链的申请主题清单和权属约定要点。可在网站工具页获取。
本文展示数据资产专利确权的路径分析方法，不构成法律意见或对授权结果的承诺。具体申请和权属安排需结合数据来源、合同约定和适用法律判断。
