人形机器人算法专利健康度自测：12个问题，判断你的核心算法是否真的“护得住”

作者：成都余行专利代理事务所 算法专利团队

前面十五篇讲了五层布局、四个盲区、供应链稀释、场景作业方法、数据确权路径、申请结构密度和创造性论证的断链形态。这些内容有一个共同指向：算法专利“有”和“护得住”是两件事。

“有”是数量问题，看申请清单就知道。“护得住”是结构问题，看清单看不出来，要看权利要求里有没有物理约束、效果段落里有没有可归因的数据、方法装置有没有配对、同族覆盖够不够。这些问题散落在不同文件里，逐个翻太慢，需要一个快速筛查工具。

这篇文章给出一份12题的自测表，覆盖四个维度：客体适格、创造性论证、公开充分、保护链完整。每个维度3题，答“是”得1分，答“否”或“不确定”得0分。总分12分，不是授权预测，而是结构健康度的快速画像，帮你判断核心算法专利站在什么位置、薄弱环节在哪。

维度一：客体适格（3题）

这个维度判断的是：权利要求有没有被审查员读成“智力活动规则”或“数学方法”的风险。

第1题：权利要求里有没有至少一个具体的物理约束？

物理约束指摩擦锥、关节力矩上限、地形参数、场景条件、传感器量程、执行器带宽这类来自物理系统的限制。不是“用于机器人”这种标签，而是真正进入算法步骤的约束。

如果权利要求里只有算法流程和“输出至机器人”，没有物理约束，客体风险偏高。第一篇和第二篇里讲的“算法—硬件绑定”就是补这个缺口。

第2题：物理约束有没有改变算法的求解路径或输出？

有约束不等于约束有用。判断方法很简单：把约束删掉，算法步骤还能原样执行吗？如果能，这个约束大概率是装饰；如果删掉后优化问题变了、输出变了，约束就是实质限定。

第十一篇讲关节模组时提过“结构+方法配对”，这里的判断逻辑类似：约束要进入算法，不是贴在算法外面。

第3题：效果段落里的技术效果，是不是落在物理行为上？

物理效果指俯仰角偏差、恢复时间、打滑次数、抓取成功率、作业节拍、温升、力矩峰值。算法指标（收敛速度、样本效率、奖励值）可以作为辅助说明，但不能作为技术效果的主体。

第七篇给了四要素写法：测试条件、对比基线、指标定义、特征归因。四个要素缺一个，效果的说服力就掉一档。

维度二：创造性论证（3题）

这个维度判断的是：如果审查员质疑创造性，手里有没有现成的论证材料。

第4题：效果数据有没有对比基线，而且基线是“强基线”？

强基线指最接近的现有技术，或者消融版本（去掉区别特征的同一方案）。只对比一个明显落后的基线，改善幅度好看但说服力弱。强基线证明进步性，弱基线证明实用性，两者都有才稳。

第5题：有没有消融实验证明效果由区别特征带来？

消融实验是创造性论证最硬的证据：去掉特征A，效果回落；加回特征A，效果恢复。第七篇的改写示例里，移除摩擦锥约束后打滑次数回升、移除力矩上限后恢复时间回升，就是消融逻辑。

没有消融实验，效果与特征之间就是“相关”而不是“因果”，审查员可以质疑效果来自其他特征或整体方案。

第6题：权利要求里的区别特征，能不能在效果段落里找到一一对应？

这是“效果—特征断链”的检查。效果段落里有三个效果，权利要求里有五个区别特征，至少要能说清楚哪个特征带来哪个效果。说不清楚，答复审查意见时就要临时组织论证，成本和不确定性都会高。

第十三篇的“定位卡”就是干这个用的：核心区别特征逐条列出，每条对应一个效果指标。

维度三：公开充分（3题）

这个维度判断的是：说明书有没有把“怎么做”写清楚，尤其是数据链和执行映射。

第7题：如果涉及示教数据，采集条件和标注规则有没有写进说明书？

第四篇列了四样容易被漏掉的东西：采集条件、标注规则、训练条件、执行映射。示教数据类申请最常见的公开充分问题，就是交底书写了“采集示教数据、训练模型”，但采集设备、采样频率、标注粒度、一致性校验全部缺失。

第8题：模型输出与执行机构之间的映射关系，有没有写清楚？

模型输出是末端位姿增量还是关节力矩？怎么经逆运动学或阻抗控制映射到驱动器？有没有限幅、平滑、回退策略？这些不写，技术方案就没有闭环，容易被认定为“算法到执行器之间缺少技术实现手段”。

第9题：如果涉及仿真数据或真机数据，数据闭环结构有没有写成方法权利要求？

第十四篇讲了三种数据的确权路径：示教数据确权“怎么采、怎么标”，仿真数据确权“环境怎么建、域怎么随机”，真机数据确权“采集与反馈的闭环结构”。如果企业有真机数据闭环（采集—判断—回传—更新—回退），但没有写成方法权利要求，这一题就是“否”。

维度四：保护链完整（3题）

这个维度判断的是：一个创新点有没有被“方法+装置+介质”三层覆盖，以及同族和权利要求层次够不够。

第10题：核心创新点有没有同时申请方法权利要求和装置权利要求？

方法抓使用，装置抓制造和销售，介质抓软件分发。只申请一侧，保护链就断了一环。第五篇给了装置权利要求的三种写法（模板化、功能模块化、功能模块+硬件落点），写法C才是目标。

第11题：核心发明专利有没有海外同族？

人形机器人竞争是全球性的。专利池入池评估、跨境交叉许可、海外参展和销售的风险防控，都要求资产有同族覆盖。只有中国同族的专利，在跨境谈判中价值有限。第十五篇的五个比率里，同族覆盖率是其中之一。

第12题：权利要求有没有梯度，独立权利要求被无效时能不能逐级退守？

权利要求层次率低（只有一项独立权利要求加两三项从属），无效程序中就无路可退。梯度设计不是项数越多越好，而是从属权利要求要有实质性的附加特征，能形成逐级限缩的退守路径。

评分与解读：12分不是授权预测，是结构画像

把12题的得分加起来，按四个维度看分布，比看总分更有用。

四个维度的得分分布比总分更有诊断价值。比如总分9分，但客体维度3题全“否”，那这件专利的客体风险就是首要问题，创造性得分再高也补不上。反过来，客体和创造性都过得去，但保护链维度0分，说明申请写得不错但布局没跟上，补配对和同族的优先级就高。

一个使用建议：按核心专利逐件填，不要按公司整体填

这份自测表的设计对象是单件核心算法专利，不是公司整体。建议挑出3—5件最核心的算法专利，逐件填一遍，看的是分布而不是平均分。

如果三件核心专利里有两件在客体维度得分低，说明算法撰写流程存在系统性问题，不是个别案件的问题；如果三件在保护链维度都得分低，说明配对和同族策略需要整体调整。逐件填、看分布，才能定位问题是出在撰写、布局还是流程上。

下一步：不是“立即咨询”，是带着结果来对一遍

12题填完，你手里有了一张结构画像。如果得分在7分以上，按低分维度补强即可；如果得分在6分以下，或者某个维度三题全“否”，建议带着这张表和对应的专利文本，来做一次逐件对读。

对读不承诺结果，只做三件事：看断链断在哪、判断补强动作的优先级、评估是补申请还是修文本。第十三篇的“定位卡”和对读用的是同一套逻辑，只是自测表更轻、更快，适合先筛一遍。

延伸工具：《人形机器人算法专利健康度自测表》——12题完整版，含每题判定标准、四个维度的评分模板和低分补强动作对照。可在网站工具页获取，填写后可预约一次逐件对读。

本文展示专利结构健康度的自测方法，不构成对授权结果或商业决策的承诺。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。