2026年专利代理师《实务》测试卷

2026年专利代理师《实务》测试卷一、案情介绍申请人A公司是一家专注于智能物流与自动化仓储的高科技企业。在2025年12月1日，A公司向国家知识产权局提交了一件名为“一种基于多源数据融合的仓储机器人路径规划方法及系统”的发明专利申请，该申请的申请号为202511234567.8，申请日为2025年12月1日。A公司在研发过程中，为了解决传统仓储机器人在动态环境下路径规划效率低、避障反应迟钝的问题，提出了一种创新的技术方案。该方案的核心在于引入了“动态权重调整机制”，即在路径规划过程中，根据实时采集的环境数据（如障碍物移动速度、临时货架摆放等）和机器人自身的负载状态，动态调整A算法中的代价函数权重。A公司在研发过程中，为了解决传统仓储机器人在动态环境下路径规划效率低、避障反应迟钝的问题，提出了一种创新的技术方案。该方案的核心在于引入了“动态权重调整机制”，即在路径规划过程中，根据实时采集的环境数据（如障碍物移动速度、临时货架摆放等）和机器人自身的负载状态，动态调整A算法中的代价函数权重。具体而言，当检测到前方障碍物为“动态障碍物”（如工作人员或其他移动机器人）时，降低“距离代价”的权重，提高“安全性代价”的权重，迫使机器人优先选择绕行路径而非减速等待；当检测到机器人负载较重时，则提高“平稳性代价”的权重，选择坡度较小、转弯平缓的路径。A公司委托某专利代理机构办理该专利申请。代理师在阅读技术交底书后，撰写了如下的权利要求书和说明书摘要。说明书摘要：本发明公开了一种基于多源数据融合的仓储机器人路径规划方法及系统，涉及智能物流技术领域。该方法包括：获取仓储环境的全局地图数据及机器人的实时状态数据；基于多源传感器数据进行环境感知，识别动态障碍物；根据障碍物属性及机器人负载状态，动态调整路径规划算法的代价函数权重；利用调整后的代价函数进行路径搜索，生成最优路径。本发明通过动态调整代价函数权重，有效解决了现有技术中仓储机器人在复杂动态环境下路径规划不够灵活、避障效率低的问题，提高了仓储作业的安全性和效率。权利要求书：1.一种基于多源数据融合的仓储机器人路径规划方法，其特征在于，包括以下步骤：S1：获取仓储环境的全局静态地图数据，以及机器人通过搭载的传感器采集的实时环境数据；S2：对所述实时环境数据进行处理，识别出环境中的障碍物，并判断所述障碍物是否为动态障碍物；S3：根据识别出的障碍物属性以及机器人的当前负载状态，动态调整路径规划算法的代价函数权重；S4：利用调整后的代价函数在所述全局静态地图数据上进行路径搜索，生成移动路径；S5：控制机器人按照所述移动路径进行移动。2.如权利要求1所述的方法，其特征在于，在步骤S2中，判断所述障碍物是否为动态障碍物具体包括：获取障碍物在连续多帧图像中的位置坐标；计算所述位置坐标的变化率；若所述变化率超过预设阈值，则判定该障碍物为动态障碍物。3.如权利要求1所述的方法，其特征在于，在步骤S3中，动态调整路径规划算法的代价函数权重具体包括：若判定障碍物为动态障碍物，则降低代价函数中距离权重的系数，提高安全性权重的系数；若判定障碍物为静态障碍物，则保持距离权重和安全性权重的系数为默认值。4.如权利要求1所述的方法，其特征在于，在步骤S3中，还获取机器人的当前负载重量；若所述当前负载重量超过预设重量阈值，则提高代价函数中平稳性权重的系数。5.如权利要求1所述的方法，其特征在于，所述路径规划算法为A算法或D算法。5.如权利要求1所述的方法，其特征在于，所述路径规划算法为A算法或D算法。6.一种仓储机器人路径规划系统，其特征在于，包括：数据获取模块，用于获取仓储环境的全局静态地图数据，以及机器人通过搭载的传感器采集的实时环境数据；障碍物识别模块，用于对所述实时环境数据进行处理，识别出环境中的障碍物，并判断所述障碍物是否为动态障碍物；权重调整模块，用于根据识别出的障碍物属性以及机器人的当前负载状态，动态调整路径规划算法的代价函数权重；路径搜索模块，用于利用调整后的代价函数在所述全局静态地图数据上进行路径搜索，生成移动路径；控制模块，用于控制机器人按照所述移动路径进行移动。7.如权利要求6所述的系统，其特征在于，所述传感器包括激光雷达、深度相机和超声波传感器中的至少一种。8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至5中任一项所述的方法。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5中任一项所述的方法。二、现有技术审查员在实质审查过程中，检索到了两篇相关的对比文件：对比文件1：公开日：2024年5月10日申请号：CN202310987654.X发明名称：一种仓储物流机器人的避障导航方法主要内容：对比文件1公开了一种仓储物流机器人的避障导航方法。该方法首先构建仓库的栅格地图，机器人通过激光雷达扫描周围环境。当检测到障碍物时，机器人采用改进的A算法进行路径规划。具体地，对比文件1公开了为了提高避障安全性，在A算法的代价函数f(n)对比文件2：公开日：2023年11月15日申请号：CN202310234567.1发明名称：基于负载状态的移动机器人运动控制方法主要内容：对比文件2公开了一种基于负载状态的移动机器人运动控制方法。该方法涉及当机器人负载较重时，为了防止货物倾倒，通过PID控制器调整机器人的运动速度和加速度，使其在转弯时减速，并选择坡度较小的路径。对比文件2主要关注运动控制层面的参数调整（速度、加速度），以适应负载变化，但并未涉及路径规划算法中代价函数权重的动态调整问题。三、审查意见通知书审查员于2026年3月15日发出第一次审查意见通知书，认为：1.权利要求1不具备《专利法》第二十二条第二款规定的新颖性。2.权利要求2-5不具备《专利法》第二十二条第三款规定的创造性。3.权利要求6-9不具备《专利法》第二十二条第二款规定的新颖性或第三款规定的创造性。审查员的具体理由如下：关于权利要求1：对比文件1公开了一种仓储物流机器人的避障导航方法，包括获取栅格地图（相当于全局静态地图）、激光雷达扫描环境（相当于实时环境数据）、检测障碍物、采用改进的A算法进行路径规划。对比文件1还公开了“当障碍物距离机器人较近时，增大安全膨胀系数”，这实质上就是根据环境数据调整代价函数的权重。权利要求1与对比文件1的区别技术特征仅在于“根据障碍物属性（是否为动态障碍物）以及机器人的当前负载状态”来调整权重。然而，对比文件2公开了根据机器人的负载状态调整机器人的运动参数。本领域技术人员在对比文件1的基础上，为了解决机器人在不同负载下的稳定性问题，有动机结合对比文件2，将负载状态作为调整参数之一。此外，判断障碍物是否为动态障碍物属于本领域的公知常识。因此，权利要求1不具备创造性。对比文件1公开了一种仓储物流机器人的避障导航方法，包括获取栅格地图（相当于全局静态地图）、激光雷达扫描环境（相当于实时环境数据）、检测障碍物、采用改进的A算法进行路径规划。对比文件1还公开了“当障碍物距离机器人较近时，增大安全膨胀系数”，这实质上就是根据环境数据调整代价函数的权重。权利要求1与对比文件1的区别技术特征仅在于“根据障碍物属性（是否为动态障碍物）以及机器人的当前负载状态”来调整权重。然而，对比文件2公开了根据机器人的负载状态调整机器人的运动参数。本领域技术人员在对比文件1的基础上，为了解决机器人在不同负载下的稳定性问题，有动机结合对比文件2，将负载状态作为调整参数之一。此外，判断障碍物是否为动态障碍物属于本领域的公知常识。因此，权利要求1不具备创造性。关于权利要求2-5：在权利要求1不具备创造性的前提下，从属权利要求2-5的附加技术特征或者被对比文件1公开（如步骤S2的具体判断逻辑），或者是本领域的常规技术选择（如具体的算法选择），因此也不具备创造性。关于权利要求6-9：权利要求6-9为权利要求1-5方法对应的系统、存储介质及设备，在方法权利要求不具备新颖性或创造性的前提下，这些权利要求同样不具备新颖性或创造性。四、客户指示A公司收到审查意见通知书后，希望代理师能够：1.针对审查员的意见进行详尽的分析，判断审查员的观点是否成立。2.如果审查员的观点不成立，撰写一份有力的意见陈述书，反驳审查员的意见，争取权利要求1-9全部被授权，或者至少保留核心权利要求。3.如果需要修改权利要求书，请提供修改后的权利要求书，并确保修改不超过原说明书和权利要求书记载的范围。4.在意见陈述书中，需要解释为何“根据动态障碍物属性和负载状态联合调整代价函数”是非显而易见的。五、计算题假设A公司在提交本案申请的同时，还提交了另外两件发明专利申请，且均要求本案申请作为优先权基础。1.本案申请（申请号202511234567.8）包含10项权利要求，其中说明书共计25页。2.第二件申请（申请号202511234568.9）包含15项权利要求，说明书共计35页，要求本案申请的优先权。3.第三件申请（申请号202511234569.0）包含8项权利要求，说明书共计28页，要求本案申请的优先权。请根据《专利法》及《专利收费减缴办法》的相关规定，计算A公司作为符合条件的费减资格申请人（费减比例85%），在申请阶段针对上述三件申请需要缴纳的官方申请费总额（单位：元）。注：发明专利申请费全费为900元/件；权利要求附加费全费为150元/项；说明书附加费全费为50元/页。优先权要求费全费为80元/项。请使用LaTex公式展示计算过程。答案与解析部分一、对审查意见的分析及答复策略（一）对权利要求1创造性的分析审查员认为权利要求1相对于对比文件1（D1）和对比文件2（D2）的结合不具备创造性。我们需要仔细剖析对比文件1和对比文件2公开的内容，以及权利要求1与对比文件1结合对比文件2之间的区别。1.确定最接近的现有技术对比文件1（D1）确实公开了一种仓储机器人的避障导航方法，其采用了改进的A算法，并根据障碍物的距离调整代价函数（安全膨胀系数）。这一点与权利要求1的技术领域、所要解决的技术问题（提高避障安全性）以及部分技术手段（调整代价函数）是非常接近的。因此，可以接受对比文件1作为最接近的现有技术。对比文件1（D1）确实公开了一种仓储机器人的避障导航方法，其采用了改进的A算法，并根据障碍物的距离调整代价函数（安全膨胀系数）。这一点与权利要求1的技术领域、所要解决的技术问题（提高避障安全性）以及部分技术手段（调整代价函数）是非常接近的。因此，可以接受对比文件1作为最接近的现有技术。2.确定区别技术特征和实际解决的技术问题权利要求1请求保护一种“基于多源数据融合的仓储机器人路径规划方法”。将权利要求1与对比文件1进行对比，可以发现：D1公开了：获取地图、传感器扫描、识别障碍物、根据障碍物距离调整代价函数（安全膨胀系数）、A算法规划路径。D1公开了：获取地图、传感器扫描、识别障碍物、根据障碍物距离调整代价函数（安全膨胀系数）、A算法规划路径。权利要求1与D1的区别在于：权利要求1与D1的区别在于：(1)权利要求1明确指出了是根据“障碍物属性（具体为是否为动态障碍物）”以及“机器人的当前负载状态”来调整代价函数权重。(2)D1仅根据“障碍物距离”调整代价函数。审查员认为，区别特征(1)中的“根据负载状态调整”被对比文件2（D2）公开了；“根据是否为动态障碍物调整”属于公知常识。然而，这种结合存在明显的逻辑断层和技术障碍：关于对比文件2（D2）的结合启示：D2虽然公开了根据负载状态调整机器人的运动参数，但其调整的是“运动控制层面的参数”（如速度、加速度），其目的是防止货物倾倒，关注的是“执行阶段的平稳性”。D2并未涉及“路径规划算法”的改进，更未涉及“调整路径规划算法的代价函数权重”。在路径规划算法中，代价函数权重的改变直接决定了路径节点的选择，从而改变路径的几何形状（例如是绕行还是穿越）。而D2中的速度调整是在路径确定之后的执行行为。本领域技术人员在面对D1（路径规划避障）时，没有动机去引入D2。D2解决的是“怎么走得稳”的问题，而D1解决的是“怎么走得通/安全”的问题。将D2的负载参数引入到D1的代价函数中，并不是显而易见的结合。因为D2教导的是在路径执行时减速，而不是在路径规划时选择一条不同的路。关于“动态障碍物属性”的非显而易见性：D1的核心改进在于“安全膨胀系数”，这是一种基于静态距离的调整。当障碍物靠近时，膨胀系数变大。这种机制实际上已经包含了对“动态”情况的某种隐含处理（因为只有动态障碍物才会突然靠近）。权利要求1提出的技术构思是更深层次的：区分“动态”与“静态”。对于动态障碍物，策略是“降低距离权重，提高安全性权重（即绕行）”；对于静态障碍物，保持默认（可能更注重路径最短）。D1并未区分障碍物的性质。如果按照D1的逻辑，一个静态的柱子和一个移动的人，只要距离相同，处理方式是一样的。权利要求1的技术效果在于：对于动态障碍物，单纯依靠D1的“距离调整”往往会导致机器人频繁停车等待（因为动态障碍物可能会持续进入安全膨胀区域），而权利要求1通过降低距离权重、提高安全性权重，主动选择绕行路径，从而避免了死等，提高了通行效率。这种“主动绕行”的效果是D1无法实现的，也不是简单的公知常识。关于“联合调整”的非显而易见性：权利要求1不仅仅是两个特征（动态属性+负载状态）的简单叠加，而是建立了一种“多源数据融合”的机制。当机器人重载且遇到动态障碍物时，代价函数的调整是复杂的：既要避障（安全性权重高），又要平稳（平稳性权重高）。这种多目标权重的动态平衡，并非D1+D2能够直接给出的技术启示。结论：权利要求1具备创造性。审查员关于D1+D2结合的认定存在“事后诸葛亮”的嫌疑，忽略了技术特征之间的内在联系和技术手段在不同技术层面的差异。（二）对权利要求2-5创造性的分析在权利要求1具备创造性的前提下，权利要求2-5作为其从属权利要求，进一步限定了判断动态障碍物的具体方法、调整权重的具体策略以及负载状态的具体应用。这些附加技术特征在D1和D2中均未公开，也不属于本领域的惯用手段，因此同样具备创造性。（三）对权利要求6-9创造性的分析权利要求6-9分别是权利要求1-5方法对应的系统、存储介质和电子设备。在方法权利要求1-5具备创造性的前提下，这些产品权利要求同样具备创造性。二、修改后的权利要求书虽然我们认为权利要求1-9均具备授权前景，但为了进一步明确保护范围，消除审查员可能存在的疑虑，建议对权利要求1进行适当的修改，进一步强调“动态障碍物”与“静态障碍物”在处理策略上的本质区别，以及“负载状态”对路径规划而非仅仅是运动控制的影响。修改策略：将权利要求3和4的部分特征合并入权利要求1，或者保持权利要求1不变，通过意见陈述来澄清。鉴于审查员已经指出了区别特征，我们倾向于不修改权利要求书，而是通过强有力的意见陈述来说服审查员。但为了展示修改能力，假设我们需要对权利要求1进行进一步限定以突出“动态避障”的效果。（注：在实际考试操作中，若权利要求1已具备创造性，通常可不修改。但为了本题目的完整性，展示一种可能的修改方案以强化创造性）。假设修改后的权利要求1如下：1.一种基于多源数据融合的仓储机器人路径规划方法，其特征在于，包括以下步骤：S1：获取仓储环境的全局静态地图数据，以及机器人通过搭载的传感器采集的实时环境数据；S2：对所述实时环境数据进行处理，识别出环境中的障碍物，并判断所述障碍物是否为动态障碍物；S3：根据识别出的障碍物属性以及机器人的当前负载状态，动态调整路径规划算法的代价函数权重；其中，所述动态调整路径规划算法的代价函数权重具体包括：若判定障碍物为动态障碍物，则降低代价函数中距离权重的系数，提高安全性权重的系数，以使路径规划算法优先选择绕行路径而非减速等待路径；S4：利用调整后的代价函数在所述全局静态地图数据上进行路径搜索，生成移动路径；S5：控制机器人按照所述移动路径进行移动。（注：此修改增加了“以使路径规划算法优先选择绕行路径而非减速等待路径”这一功能性限定，该内容源自原说明书对技术效果的描述，未超出原说明书范围。）其他权利要求保持不变。三、意见陈述书（正文）尊敬的审查员：申请人收到了国家知识产权局于2026年3月15日发出的针对申请号202511234567.8的第一次审查意见通知书。经过仔细研究对比文件1（CN202310987654.X，下称D1）和对比文件2（CN202310234567.1，下称D2），申请人认为权利要求1-9具备《专利法》第二十二条第二款规定的新颖性和第三款规定的创造性。现陈述理由如下：1.关于权利要求1的创造性权利要求1请求保护一种基于多源数据融合的仓储机器人路径规划方法。审查员认为权利要求1相对于D1和D2的结合不具备创造性。申请人对此不能苟同。1.1权利要求1与D1的区别技术特征D1公开了一种基于改进A算法的避障导航方法，其确实公开了根据障碍物距离调整代价函数（安全膨胀系数）。然而，D1的核心逻辑是“基于距离的被动避障”。当障碍物进入警戒范围，D1通过增加膨胀系数来推远路径，但这往往导致机器人不得不停止或大幅减速，因为膨胀区域可能直接堵塞了原本规划的最优路径。D1公开了一种基于改进A算法的避障导航方法，其确实公开了根据障碍物距离调整代价函数（安全膨胀系数）。然而，D1的核心逻辑是“基于距离的被动避障”。当障碍物进入警戒范围，D1通过增加膨胀系数来推远路径，但这往往导致机器人不得不停止或大幅减速，因为膨胀区域可能直接堵塞了原本规划的最优路径。权利要求1与D1至少存在以下区别技术特征：（1）判断障碍物是否为“动态障碍物”；（2）根据“机器人的当前负载状态”调整代价函数权重；（3）在步骤S3中，根据上述特征进行“动态调整”的具体策略。1.2对比文件2（D2）并未给出结合启示审查员认为区别特征（2）被D2公开了。申请人认为，D2虽然公开了根据负载状态调整运动参数，但其技术领域、技术手段和技术目的均与本案不同。首先，D2涉及的是“运动控制”层面，即在路径生成后，控制机器人如何沿着路径走（速度、加速度）。D2的目的是防止货物倾倒。其次，权利要求1涉及的是“路径规划”层面，即在地图上生成一条什么样的路径。权利要求1引入负载状态，是为了在路径规划阶段就考虑到重载时的平稳性需求，例如在代价函数中提高对“转弯曲率”或“路面坡度”的惩罚权重，从而规划出一条几何上更平缓的路径。本领域技术人员在D1的基础上，面对提高避障效率的问题时，没有动机去参考解决“重载平稳性”问题的D2。D2教导的是“减速”，而权利要求1追求的是“规划出更优路径”。将D2的“负载-速度”映射关系移植到D1的“负载-路径规划权重”中，需要创造性的劳动，因为这涉及到底层算法逻辑的根本改变，而非简单的参数替换。1.3区别特征（1）带来的预料不到的技术效果区别特征（1）关于“动态障碍物”的识别与处理，并非本领域的公知常识，且带来了显著的技术效果。D1不区分动态和静态障碍物。在D1中，一个静止的货架和一个移动的工人，如果距离机器人相同，D1的处理方式是一样的（增大膨胀系数）。对于静态货架，这没问题；但对于移动工人，这往往导致机器人频繁刹车，因为工人可能持续处于膨胀区域内。权利要求1通过识别动态障碍物，针对性地“降低距离权重，提高安全性权重”。这一策略的本质是：在遇到动态障碍物时，不再执着于“距离最短”，而是转向“绕行代价最低”。这使得机器人能够主动规划出一条绕开动态障碍物的路径，而不是死等障碍物离开。这种“主动绕行”与“被动等待”的策略差异，极大地提高了动态仓储环境下的通行效率。D1并未公开这种基于障碍物属性的差异化策略，D2也未涉及。这并非简单的逻辑推理，而是对路径规划算法代价函数的深层次改进。1.4关于多源数据融合权利要求1将“动态障碍物属性”与“负载状态”同时作为代价函数的输入参数。这种多维度的联合调整机制，使得机器人能够应对极其复杂的场景。例如，当重载机器人遇到动态障碍物时，系统需要在“避障（绕行）”和“平稳（少转弯）”之间寻找最优平衡。这种复杂的多目标优化处理，显然不是D1+D2容易得到的。综上所述，权利要求1具备突出的实质性特点和显著的进步，具备创造性。2.关于权利要求2-9的创造性在权利要求1具备创造性的前提下，权利要求2-5进一步限定了判断动态障碍物的具体算法（基于位置变化率）、权重调整的具体数值策略以及负载重量的阈值判断。这些附加特征在D1和D2中均未公开，也不属于本领域的公知常识。权利要求6-9是与方法权利要求1-5对应的系统、存储介质及设备。在方法权利要求具备创造性的前提下，产品权利要求同样具备创造性。3.总结审查员在评价创造性时，忽略了D1和D2