河北2026年专利代理师《专利代理实务》考试真题及答案

河北2026年专利代理师《专利代理实务》考试真题及答案总体说明：本试卷满分为150分，考试时间为4小时。请考生务必用黑色或蓝色字笔的签字笔、钢笔或圆珠笔在答题纸指定位置作答。请保持卷面整洁，字迹清晰。试题中涉及的所有日期均为虚构，仅用于考试情境。第一题：权利要求撰写客户A公司委托你代理一项名为“一种基于多传感器融合的智能物流分拣机器人”的发明专利申请。请你根据下述提供的客户技术交底书、现有技术对比文件1（对比文件1）和现有技术对比文件2（对比文件2），为客户撰写一份能够获得尽可能宽保护范围的权利要求书。【客户技术交底书】技术领域本发明涉及物流自动化技术领域，尤其涉及一种基于多传感器融合的智能物流分拣机器人。背景技术随着电子商务的飞速发展，物流分拣中心的压力日益增大。传统的物流分拣主要依赖人工，效率低下且容易出错。现有的自动化分拣设备多采用单一的图像识别技术（如条形码或二维码扫描）来识别包裹信息。然而，在实际应用中，包裹表面的条码经常存在污损、遮挡或旋转角度过大导致无法识别的情况，这会导致分拣失败，需要人工干预，降低了整体分拣效率。此外，现有的分拣机器人在抓取包裹时，往往采用固定的抓取力度和轨迹，对于易碎品或形状不规则的包裹，容易造成包裹损坏或抓取不稳。发明内容本发明要解决的技术问题是提供一种基于多传感器融合的智能物流分拣机器人，以提高包裹识别的成功率，并实现自适应抓取。为解决上述技术问题，本发明提供一种基于多传感器融合的智能物流分拣机器人，包括：移动底盘，用于在预设路线上移动；机械臂，设置在所述移动底盘上，具有末端执行器；视觉传感器，设置在所述机械臂或移动底盘上，用于采集包裹的图像信息；深度传感器，设置在所述机械臂或移动底盘上，用于采集包裹的深度信息；红外热成像传感器，设置在所述机械臂或移动底盘上，用于采集包裹的热分布信息；控制单元，分别与所述移动底盘、机械臂、视觉传感器、深度传感器和红外热成像传感器连接；所述控制单元被配置为：接收视觉传感器采集的图像信息，并尝试从图像信息中解码包含包裹标识信息的条码；若解码失败，则启动融合识别模式，将视觉传感器采集的图像信息、深度传感器采集的深度信息以及红外热成像传感器采集的热分布信息输入至预先训练好的多模态神经网络模型，所述多模态神经网络模型基于图像特征、深度特征和热特征输出包裹的类别和属性信息；根据包裹的类别和属性信息，确定末端执行器的目标抓取点和抓取力度；控制机械臂运动至目标抓取点，并以确定的抓取力度执行抓取动作。进一步地，所述控制单元还被配置为：在执行抓取动作之前，根据深度信息计算包裹的体积，并根据包裹的体积和类别信息，预测包裹的重量；根据预测的重量调整机械臂的运动阻尼参数。进一步地，所述多模态神经网络模型包括：卷积特征提取子网络，用于提取图像特征和热特征；点云处理子网络，用于基于深度信息生成点云数据并提取深度特征；注意力融合模块，用于对图像特征、热特征和深度特征进行加权融合；全连接分类层，输出包裹的类别和属性信息。进一步地，所述末端执行器包括柔性指爪，所述柔性指爪内部嵌设有压力传感器，用于在抓取过程中实时监测接触压力；所述控制单元在抓取过程中根据压力传感器的反馈实时微调抓取力度。本发明的有益效果是：通过引入多传感器融合和神经网络模型，解决了单一视觉传感器在条码污损时无法识别的问题，显著提高了识别率和分拣效率。同时，根据识别结果自适应调整抓取策略，减少了对包裹的损坏。【对比文件1】公开日：2024年5月10日公开了一种自动导引运输车（AGV）及分拣系统。该系统包括AGV小车、设置在小车上的机械手、2D相机和扫码枪。AGV小车沿磁条轨道运行。当2D相机检测到包裹时，控制扫码枪对准包裹进行扫码。如果扫码失败，系统会将包裹图像通过无线网络发送至后台服务器，后台服务器采用OCR技术识别包裹表面的文字信息，以此确定包裹的目的地。机械手根据目的地信息将包裹推入对应的分拣格口。该系统采用固定的推杆进行分拣，不涉及自适应抓取力度调整。【对比文件2】公开日：2025年2月15日公开了一种基于深度学习的工业抓取机器人。该机器人包括机械臂、深度相机（如RGB-D相机）和力矩传感器。深度相机获取物体的彩色图像和深度图，输入至卷积神经网络（CNN）中，CNN输出物体的最佳抓取点坐标和抓取角度。力矩传感器用于监测机械臂关节的力矩，防止过载。该机器人主要用于抓取刚性的工业零件，不具备处理多模态数据（如热成像）的能力，也不涉及条码识别失败后的补救措施。问题：1.请根据上述技术交底书和现有技术，撰写权利要求书。2.所撰写的权利要求书应当包含独立权利要求和从属权利要求，且应当合理划定保护范围，既要包含必要技术特征，又要避免非必要技术特征限制过窄。第二题：审查意见答复假设客户A公司的专利申请（申请号：202610XXXXXX.X）已经收到了国家知识产权局下发的第一次审查意见通知书。审查员在通知书中指出：权利要求1-3不具备《专利法》第22条第3款规定的创造性。具体理由如下：权利要求1与对比文件1相比，区别技术特征为：权利要求1包含了深度传感器、红外热成像传感器、控制单元被配置为在解码失败后启动融合识别模式，利用多模态神经网络模型处理多传感器数据以确定抓取点和力度。审查员认为，对比文件2已经公开了一种利用深度相机（包含深度信息）和神经网络确定抓取点的机器人。将对比文件2中的深度识别和神经网络抓取点确定方法应用到对比文件1的AGV分拣系统中，以解决单一视觉识别不可靠的问题，对于本领域技术人员而言是显而易见的。因此，权利要求1不具备突出的实质性特点和显著的进步。请你根据上述审查意见，撰写一份意见陈述书，反驳审查员的观点。要求：1.结合技术交底书、对比文件1和对比文件2的内容进行论述。2.论述逻辑清晰，法理依据充分。第三题：无效宣告请求与专利维权分析客户B公司发现竞争对手C公司制造并销售的一种“智能仓储搬运机器人”涉嫌侵犯了其拥有的专利权（专利号：ZL202120XXXXXX.5，以下简称“涉案专利”）。涉案专利的权利要求如下：“1.一种智能仓储搬运机器人，其特征在于，包括：底盘组件；驱动轮，设置在所述底盘组件的底部；悬挂机构，连接所述驱动轮和所述底盘组件；激光雷达，设置在所述底盘组件的顶部；控制器，与所述激光雷达和驱动轮连接；其中，所述悬挂机构为主动悬挂系统，包括液压减震器和电磁阀，所述控制器被配置为根据激光雷达扫描到的地面平整度数据，控制电磁阀调节液压减震器的阻尼系数。”客户B公司拟向C公司发出律师函，并准备提起专利侵权诉讼。然而，C公司针对涉案专利提起了无效宣告请求，提交了一份证据（证据D）。证据D公开了一种全地形移动机器人，包括底盘、驱动轮、连接两者的悬挂机构、顶部的激光雷达以及控制器。证据D中记载：“为了适应复杂地形，该机器人采用了带有液压减震器的被动悬挂系统，液压减震器的阻尼系数通过机械阀门预先设定，不可通过电信号实时调节。”问题：1.请分析证据D是否破坏涉案专利权利要求1的新颖性或创造性？请说明理由。2.若C公司的产品技术方案除包含权利要求1的全部特征外，还额外包含“所述控制器还被配置为根据机器人的负载重量动态调节驱动轮的转速”，该特征是否落入涉案专利权利要求1的保护范围？为什么？参考答案及解析第一题：权利要求撰写【参考答案】1.一种基于多传感器融合的智能物流分拣机器人，其特征在于，包括：移动底盘，用于在预设路线上移动；机械臂，设置在所述移动底盘上，具有末端执行器；视觉传感器，设置在所述机械臂或移动底盘上，用于采集包裹的图像信息；深度传感器，设置在所述机械臂或移动底盘上，用于采集包裹的深度信息；红外热成像传感器，设置在所述机械臂或移动底盘上，用于采集包裹的热分布信息；控制单元，分别与所述移动底盘、机械臂、视觉传感器、深度传感器和红外热成像传感器连接；所述控制单元被配置为：接收视觉传感器采集的图像信息，并尝试从图像信息中解码包含包裹标识信息的条码；若解码失败，则启动融合识别模式，将视觉传感器采集的图像信息、深度传感器采集的深度信息以及红外热成像传感器采集的热分布信息输入至预先训练好的多模态神经网络模型，所述多模态神经网络模型基于图像特征、深度特征和热特征输出包裹的类别和属性信息；根据包裹的类别和属性信息，确定末端执行器的目标抓取点和抓取力度；控制机械臂运动至目标抓取点，并以确定的抓取力度执行抓取动作。2.根据权利要求1所述的智能物流分拣机器人，其特征在于，所述控制单元还被配置为：在执行抓取动作之前，根据深度信息计算包裹的体积，并根据包裹的体积和类别信息，预测包裹的重量；根据预测的重量调整机械臂的运动阻尼参数。3.根据权利要求1所述的智能物流分拣机器人，其特征在于，所述多模态神经网络模型包括：卷积特征提取子网络，用于提取图像特征和热特征；点云处理子网络，用于基于深度信息生成点云数据并提取深度特征；注意力融合模块，用于对图像特征、热特征和深度特征进行加权融合；全连接分类层，输出包裹的类别和属性信息。4.根据权利要求1所述的智能物流分拣机器人，其特征在于，所述末端执行器包括柔性指爪，所述柔性指爪内部嵌设有压力传感器，用于在抓取过程中实时监测接触压力；所述控制单元在抓取过程中根据压力传感器的反馈实时微调抓取力度。【解析】本题考查权利要求书的撰写能力，重点在于对技术交底书的理解、对现有技术的规避以及保护范围的合理划定。1.独立权利要求1的撰写：问题分析：背景技术中指出单一图像识别易受污损影响，且现有技术抓取策略固定。发明旨在通过多传感器融合解决识别问题，并通过自适应策略解决抓取问题。必要技术特征判定：基本硬件：移动底盘、机械臂（含末端执行器）、控制单元是必须的。传感器部分：为了实现“多传感器融合”，必须包含视觉传感器（基础）、深度传感器和红外热成像传感器（区别于现有技术的关键）。控制逻辑：控制单元必须包含“先尝试条码解码，失败后启动融合识别模式”的逻辑，这是针对背景技术问题的特定解决方案。如果直接写“控制单元被配置为利用多传感器识别”，则可能覆盖对比文件2（虽然对比文件2无热成像，但需体现特定流程）。融合识别的具体手段：利用“预先训练好的多模态神经网络模型”处理“图像、深度、热分布”信息。执行动作：根据识别结果确定“目标抓取点”和“抓取力度”并执行。规避现有技术：对比文件1只有2D相机和扫码枪，无深度和热成像，无神经网络。对比文件2有深度相机和神经网络，但用于工业零件抓取，无热成像，也无“条码失败后切换”的逻辑。因此，权利要求1中必须明确包含“红外热成像传感器”以及“若解码失败，则启动融合识别模式”这一特定的条件触发逻辑，以具备新颖性。保护范围：未将“多模态神经网络模型”的具体内部结构（如卷积子网络、注意力模块）写入独权，避免保护范围过窄。未将“柔性指爪”写入独权，因为刚性末端执行器配合力度调整也能实现部分发明目的。2.从属权利要求的撰写：权利要求2：引用权利要求1，增加“根据深度信息预测重量并调整阻尼”的技术特征。这是一个进一步优化的技术方案，属于附加技术特征。权利要求3：引用权利要求1，具体化“多模态神经网络模型”的结构。这是对独权中“模型”的进一步限定，结构清晰，层次分明。权利要求4：引用权利要求1，具体化“末端执行器”为“柔性指爪”并增加“压力传感器反馈”特征。这是对抓取执行部分的进一步优化。注：权利要求2和4的顺序可以互换，3是对模型内部结构的限定，通常放在较后位置或作为对独权的直接细化，此处布局合理。第二题：审查意见答复【参考答案】意见陈述书关于申请号202610XXXXXX.X的审查意见，申请人经过认真研究，对审查员的意见陈述如下：一、关于权利要求1的创造性审查员认为权利要求1相对于对比文件1和对比文件2的结合不具备创造性。申请人对此不能苟同，权利要求1相对于对比文件1和对比文件2具备《专利法》第22条第3款规定的创造性。理由如下：1.权利要求1与对比文件1相比，存在多个区别技术特征，且这些特征带来了预料不到的技术效果。经对比，权利要求1与对比文件1的区别技术特征至少包括：(1)增加了深度传感器和红外热成像传感器；(2)控制单元被配置为：若条码解码失败，则启动融合识别模式，将视觉、深度及热分布信息输入至多模态神经网络模型，输出包裹类别和属性信息；(3)根据类别和属性信息确定抓取力度（对比文件1仅采用固定推杆）。基于上述区别特征，权利要求1实际解决的技术问题不仅是“提高识别率”，还包括“如何利用多源异构数据在无条码情况下准确识别包裹属性，并实现自适应柔性抓取”。2.对比文件2并未给出将上述区别特征应用于对比文件1的技术启示。(1)技术领域不同：对比文件2涉及的是“工业抓取取机器人”，针对的是刚性工业零件；而本发明涉及的是“物流分拣机器人”，处理的是形态各异、材质多样（含易碎品）的物流包裹。两者应用场景和对象存在显著差异。(2)技术手段差异：对比文件2虽然公开了深度相机和神经网络，但其仅利用深度信息（RGB-D）进行抓取点检测，其目的是解决刚性物体的几何抓取位姿问题。对比文件2完全未涉及“红外热成像传感器”，也未涉及“热分布信息”的处理。(3)结合障碍：在物流分拣领域，包裹的热分布信息通常被认为是与环境温度相关的干扰项，本领域技术人员没有动机在对比文件1的基础上引入“红外热成像传感器”。更关键的是，对比文件2并未教导或暗示利用“热特征”来辅助识别包裹的“类别和属性”（如是否为液体、是否为易碎品）。将对比文件2的深度学习抓取点检测逻辑直接替换到对比文件1中，只能得到基于深度图的抓取点，无法得到本权利要求1中基于“图像+深度+热特征”融合得到的“包裹类别和属性信息”。(4)协同作用：权利要求1通过引入红外热成像传感器，并将其与视觉、深度信息融合，能够利用不同材质的热容量差异区分包裹内部物品属性（例如区分金属瓶装液体和纸箱），这是单一视觉或单一深度传感器（如对比文件2）无法实现的。这种多模态融合产生了“1+1+1>3”的协同技术效果。3.关于非显而易见性的论述如果本领域技术人员试图解决对比文件1中条码污损导致识别失败的问题，常规手段是改进图像处理算法（如OCR、去噪）或增加辅助光源（如对比文件1本身的后台OCR方案）。而采用“工业零件抓取”中的深度学习策略（对比文件2）来解决“物流包裹信息识别”问题，并非本领域的常规技术手段。特别是引入“红外热成像”这一在物流分拣中非常规的传感器，并将其作为神经网络的关键输入特征，对于本领域技术人员而言并非显而易见。综上所述，权利要求1相对于对比文件1、对比文件2以及本领域的公知常识的结合具备突出的实质性特点和显著的进步，符合《专利法》第22条第3款关于创造性的规定。二、关于权利要求2-3的创造性权利要求2-3直接或间接引用权利要求1，在权利要求1具备创造性的前提下，权利要求2-3进一步限定了“根据深度信息预测重量调整阻尼”以及“具体的网络结构”。这些附加技术特征进一步提升了机器人的运动平稳性和识别精度，同样具备创造性。恳请审查员在重新审查时考虑上述陈述意见，并早日授予本申请专利权。申请人：A公司代理师：XXX日期：2026年X月X日【解析】本题考查审查意见答复的逻辑构建和争辩技巧。1.确定区别特征：准确找出权利要求1与对比文件1的区别。关键在于“红外热成像”和“多模态融合逻辑”。2.确定实际解决的技术问题：不能简单概括为“提高识别率”，应细化到“利用多源异构数据识别包裹属性并自适应抓取”。3.论述显而易见性（核心争辩点）：技术领域/对象差异：强调对比文件2是刚性工业零件，本发明是物流包裹。这是反驳“结合启示”的有力理由，因为针对刚性的技术方案未必适用于软包装或易碎品。特征缺失：重点指出对比文件2没有“红外热成像”。这是审查员逻辑链条中缺失的一环。审查员认为D1+D1显而易见，但D2根本没有教导使用热成像。技术效果（预料不到的效果）：论述多模态融合带来的效果，特别是热成像在区分包裹内部属性方面的独特作用，这是D1或D2单独或简单结合无法实现的。4.逻辑闭环：结论是具备创造性，法条引用正确。第三题：无效宣告请求与专利维权分析【参考答案】1.关于证据D是否破坏涉案专利权利要求1的新颖性或创造性：证据D不破坏涉案专利权利要求1的新颖性，也不破坏其创造性。理由如下：新颖性分析：涉案专利权利要求1要求保护“一种智能仓储搬运机器人”，其中限定了悬挂机构为“主动悬挂系统”，且控制器被配置为“根据激光雷达扫描到的地面平整度数据，控制电磁阀调节液压减震器的阻尼系数”。证据D公开了一种全地形移动机器人，虽然公开了底盘、驱动轮、悬挂机构、激光雷达和控制器，但其明确记载悬挂机构为“被动悬挂系统”，且液压减震器的阻尼系数是通过“机械阀门预先设定，不可通过电信号实时调节”。涉案专利权利要求1中的“主动悬挂系统”以及“控制器根据地面数据控制电磁阀调节阻尼”这一动态控制特征，在证据D中未被公开。证据D中的“机械阀门预设”与权利要求1中的“控制电磁阀调节”在结构和工作原理上存在本质区别。因此，证据D未公开权利要求1的全部技术特征，权利要求1相对于证据D具备新颖性。创造性分析：权利要求1相对于证据D的区别技术特征在于：权利要求1采用了主动悬挂系统，并利用控制器结合激光雷达反馈实时调节阻尼；而证据D采用被动悬挂，阻尼不可调。该区别技术特征使得涉案专利的机器人能够根据实时地形（地面平整度）动态调整悬挂的软硬程度，从而在平坦路面提高行驶稳定性，在崎岖路面提高减震效果和通过性。证据D的被动悬挂无法实现这种实时自适应调节。对于本领域技术人员而言，将被动悬挂改为主动悬挂，并引入激光雷达作为反馈源来实现阻尼的闭环控制，并非简单的结构替换，而是带来了机器人运动性能显著提升的技术改进。该技术方案具备实质性特点和显著的进步。因此，证据D也不破坏权利要求1的创造性。2.关于C公司产品的额外特征是否落入涉案专利