【余行智库】机器人控制算法想申请专利？小心掉进“智力活动规则”的坑
本文基于公开专利信息、审查指南及相关案例撰写，旨在分享专利实务经验，不构成法律意见。本文是余行智库“专利零件”系列文章之一。我们专注于机器人、智能制造领域的高价值专利挖掘与布局。
一、一个常见的困惑
很多机器人企业的研发人员都有过这样的经历：
花了大半年时间，写出了一套很牛的机器人控制算法——路径规划更聪明了、避障反应更快了、运动控制更平滑了。兴冲冲地找代理所申请专利，结果收到审查意见通知书，上面写着：
“该权利要求属于智力活动的规则和方法，不属于专利保护客体。”
研发人员懵了：我这明明是写进机器人里、让机器跑起来的算法，怎么就成“智力活动”了？
这个场景，我们几乎每周都会遇到。今天我们就来彻底讲清楚：机器人控制算法，到底什么样的能授权？什么样的会掉进“智力活动规则”的坑？
二、什么是“智力活动的规则和方法”？
根据《专利法》第二十五条第一款第（二）项，“智力活动的规则和方法”不属于专利保护客体-
。
《专利审查指南》进一步解释：智力活动，是指人的思维运动，它源于人的思维，经过推理、分析和判断产生出抽象的结果，或者必须经过人的思维运动作为媒介，间接地作用于自然产生结果。
翻译成大白话：
如果你的算法只是在“人的脑子里”运行的，或者只是在“纸面上”计算的，没有和技术硬件结合、没有解决技术问题，那就属于智力活动规则，不能授权。
但问题是，机器人控制算法天然就是“写在代码里、跑在芯片上”的，为什么还会被认定为智力活动？
三、余行视角：机器人控制算法的“三道关”
从“专利零件”方法论来看，机器人控制算法要获得授权，必须通过三道关：
第一关：客体关——是不是技术方案？
这是最基础、也是最容易翻车的一关。
审查员判断一个算法方案是否属于技术方案，主要看三点-：
- 是否利用了自然规律（而不是纯数学规则）
- 是否解决了技术问题（而不是纯数学问题）
- 是否产生了技术效果（而不是纯数学结果）
举个例子对比：
| 方案类型 | 权利要求内容 | 审查结果 |
|---|---|---|
| 纯数学方法 | 一种机器人路径规划方法，其特征在于，基于A*算法计算最短路径 | ❌ 智力活动规则 |
| 技术方案 | 一种机器人路径规划方法，其特征在于，获取机器人的当前位置和目标位置，基于A*算法生成避开障碍物的运动轨迹，并输出控制指令驱动机器人移动 | ✅ 可授权 |
区别在哪里？后者把算法和机器人的物理运动绑定了——算法不是为了算而算，是为了让机器人“动起来”。
第二关：创造性关——算法贡献怎么算？
即使过了客体关，创造性审查也是一道坎。
2023年修订的《专利审查指南》明确：如果算法与计算机系统的内部结构存在特定技术关联，实现了对系统内部性能的改进（如提升硬件运算效率、减少数据存储量、提高处理速度等），那么创造性审查时应当考虑算法特征的贡献。
这对机器人企业是个好消息——算法的技术贡献，可以被认可。
第三关：公开充分关——写清楚了没有？
很多算法专利申请被驳回，不是因为算法本身不行，而是说明书没写清楚。
审查指南要求：申请文件中需记载与人工智能技术相关的具体细节，例如机器学习模型、输入和输出数据之间的相互关系等。如果只是说“用深度学习模型训练”，但不交代训练数据怎么来、模型结构什么样、输入输出是什么，大概率会被认定为“公开不充分”。
四、典型案例拆解：从翻车到授权
案例一：智能称重装置，为什么最终被无效？
这是一个一路打到最高院的典型案例（专利号：CN212675641U）。
涉案专利是一种“基于计算机视觉技术的智能称重装置”，权利要求写了称重平台、视觉传感器、识别器、识别反馈器、建模平台等硬件模块，以及它们之间的数据交互关系。
无效过程很有意思：
- 无效请求人主张：这个专利的发明目的必须依靠特定计算机程序才能实现，该程序并非现有已知的，所以不属于实用新型保护客体
- 专利权人抗辩：我们写的是硬件结构及其连接关系，程序用的是已知的
- 一审（北京知识产权法院）：认同专利权人，认为各硬件之间的连接关系带来数据传输关系变化，改进点在于实体连接关系
- 二审（最高院）：推翻一审。最高院认为，权利要求实质限定的是数据的发送和接收关系，这些图像、文本数据信息的传输需要通过特定的计算机程序才能实现，并非仅通过硬件连接关系就能实现。没有任何证据显示这些内容为已知计算机程序，因此专利实质上涉及对软件的改进，不属于实用新型保护客体-
这个案例给机器人企业的警示：
即使你写成“硬件模块”，如果这些模块的功能必须靠特定算法实现，而你又没有证明算法是已知的，照样可能被认定为“实质上保护算法”。在机器人领域，控制器、处理器、识别单元这些“硬件名词”背后，往往都藏着算法——这是审查的重点关注对象。
案例二：图像处理方法，为什么复审成功？
再看一个成功案例（申请号：201810734681.2）。
这个专利申请涉及图像处理算法，原权利要求写得很概括：获取目标对象的拍摄图像，将图像输入预训练模型，得到位置坐标和可见性信息。审查员认为相对于对比文件不具备创造性，驳回了。
复审阶段怎么救回来的？
申请人在权利要求中加入了具体场景特征：
- 明确场景是“球场”
- 明确目标对象是“个体”（不同球场对应不同模型）
- 明确模型训练数据是“目标对象自身的拍摄图像”
- 明确可见性信息用于确定同一球场在不同图像中的对应关系
复审决定认为：加入了这些场景特征后，区别特征需要结合场景来理解——对比文件1-2涉及的人脸识别领域通常建立通用模型，而本申请是“一个体一模型”，所要解决的技术问题、技术手段的作用都不同，因此具备创造性。
这个案例给机器人企业的启示：
算法专利的撰写，场景就是护城河。把算法和具体的机器人应用场景（如：仓储机器人、医疗手术机器人、巡检机器人）深度绑定，不仅能过客体关，还能在创造性审查时占据有利位置。
五、余行总结：机器人控制算法专利的“避坑清单”
基于上述分析，我们提炼出机器人控制算法专利申请的“避坑清单”：
避坑点一：别写成纯数学方法
❌ 错误写法：一种路径规划方法，其特征在于，基于Dijkstra算法计算最短路径。
✅ 正确写法：一种机器人路径规划方法，其特征在于，包括：获取机器人的当前位置和目标位置；基于Dijkstra算法，结合地图障碍物信息，生成从当前位置到目标位置的无碰撞运动轨迹；根据所述运动轨迹，生成驱动指令并发送至机器人的运动执行机构。
余行视角：把算法和“机器人的物理运动”绑定，算法就不再是纯数学，而是技术方案的一部分。
避坑点二：别只写“硬件名词”不写算法
如果你申请实用新型（保护结构），但技术方案的实质改进在于算法——那就要小心了。最高院的判例已经明确：如果数据交互必须靠特定程序实现，而你又没有证明程序是已知的，实用新型很可能保不住-。
建议：涉及算法改进的技术，申请发明专利，别为了快申请实用新型。
避坑点三：别把场景特征写丢了
很多代理人为了扩大保护范围，喜欢把场景特征“上位概括”——把“球场”写成“目标对象”，把“机器人”写成“移动设备”。但这样做有个风险：审查员会拿不同场景的对比文件来评创造性。
平衡之道：独立权利要求可以适当概括，但说明书中必须把具体场景写透、写全，从属权利要求也要布局好具体场景特征。这样既争取了保护范围，又保留了“退路”。
避坑点四：别把算法写成黑箱
审查指南明确要求：涉及机器学习的专利申请，要记载输入数据、输出数据、模型结构、训练方法等具体细节。
如果你只是说“用深度学习模型训练”，但不交代：
- 训练数据怎么采集、怎么标注？
- 模型结构是什么样的（多少层、什么激活函数）？
- 输入特征有哪些？输出是什么？
- 模型是怎么训练收敛的？
——那就等着收“公开不充分”的审查意见吧。
避坑点五：别忽略“技术效果”的表述
创造性审查时，算法对技术方案的贡献能不能被认可，很大程度上取决于你怎么描述技术效果。
如果只说“算法更高效”，那是数学效果；如果说“算法使机器人的避障反应时间缩短了30%，运动轨迹平滑度提升了50%”，那是技术效果。
撰写技巧：把算法改进和机器人的性能指标挂钩——定位精度、响应速度、能耗、稳定性，这些才是审查员认可的“技术效果”。
六、余行智库建议：机器人算法专利的“三步走”
第一步：研发阶段——留好“技术证据”
在算法研发过程中，记录清楚：
- 要解决什么技术问题（不是数学问题）
- 技术方案怎么实现的（输入输出、处理流程）
- 产生了什么技术效果（有数据支撑的）
这些不仅是交底书的素材，也是将来应对审查意见的“弹药”。
第二步：撰写阶段——绑定“应用场景”
把算法和具体的机器人应用场景深度绑定：
- 什么类型的机器人（工业机器人、服务机器人、医疗机器人）
- 什么工作环境（室内、室外、高温、潮湿）
- 什么任务目标（抓取、移动、识别、交互）
场景越具体，技术方案的“技术性”越强。
第三步：答复阶段——善用“整体考虑”
收到审查意见时，别急着删特征。2023年审查指南明确：如果算法特征与技术特征功能上彼此相互支持、存在相互作用关系，创造性审查时应当考虑算法特征的贡献。
抗辩思路：我这个算法不是孤立存在的，它是为了配合机器人的硬件特性（如计算资源有限、实时性要求高）专门设计的，两者相互支持，共同解决了技术问题。
本文是余行智库“专利零件”系列文章之一。我们专注于机器人、智能制造领域的高价值专利挖掘与布局。如您有机器人算法专利撰写、审查意见答复或专利布局需求，欢迎通过公众号或官网联系余行专利代理事务所。
（基于公开信息撰写，旨在分享实务经验，不构成法律意见。）
