2024-001198

特願２０２１－５７６８６０「触覚センサ及び触覚センサの動作方法」拒絶査定不服審判事件〔令和２年１２月３０日国際公開、ＷＯ２０２０／２６０２０５、令和４年１２月１日国内公表、特表２０２２－５５０２３４号〕について、次のとおり審決する。

結 論 本件審判の請求は、成り立たない。

理 由 第１ 手続の経緯 本願は、２０２０年（令和２年）６月２２日（パリ条約による優先権主張外国庁受理２０１９年６月２４日、ドイツ連邦共和国）を国際出願日とする外国語特許出願であって、その手続の経緯の概略は、次のとおりである。以下、２０１９年（令和元年）６月２４日を「優先日」という。 令和４年 ２月２４日 ：翻訳文の提出 令和５年 ２月１３日付け：拒絶理由通知書 同年 ５月１６日 ：意見書、補正書の提出 同月３１日付け：拒絶理由通知書 同年 ９月 ４日 ：意見書、補正書の提出 同年 ９月１２日付け：拒絶査定（以下「原査定」という。） （同月２６日 ：原査定の謄本の送達） 令和６年 １月２４日 ：審判請求書、手続補正書の提出 第２ 令和６年１月２４日にされた手続補正についての補正の却下の決定 ［補正の却下の決定の結論］ 令和６年１月２４日にされた手続補正を却下する。 ［補正の却下の決定の理由］ １ 補正の内容 令和６年１月２４日にされた手続補正（以下「本件補正」という。）は、特許請求の範囲の補正をするものであり、本件補正により、次の(１)に示す本件補正前（令和５年９月４日にされた手続補正後のものをいう。以下同じ。）の特許請求の範囲の請求項１の記載は、後記(２)に示す本件補正後の特許請求の範囲の請求項１の記載に補正された。下線は補正箇所を示す。 (１) 本件補正前 「 【請求項１】 複数の応力センサ（１００）が分散配置されたチップ（１０）と、 少なくとも１つの接触体（２００）と、を備え、 前記複数の応力センサ（１００）は、前記接触体（２００）の検出面（２００ａ）に印加された負荷パターンを検出するように設定され、 前記負荷パターンは、前記チップ（１０）内の応力分布を含み、前記複数の応力センサ（１００）は、前記チップ（１０）内の前記応力分布を測定し、 前記チップ（１０）は、分類スキーム（１１１）を含むメモリ（１１０）を備え、 前記分類スキーム（１１１）は、前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てることを特徴とする触覚センサ（１）。」 (２) 本件補正後 「 【請求項１】 複数の応力センサ（１００）が分散配置されたチップ（１０）と、 少なくとも１つの接触体（２００）と、を備え、 前記複数の応力センサ（１００）は、前記接触体（２００）の検出面（２００ａ）に印加された負荷パターンを検出するように設定され、 前記負荷パターンは、前記チップ（１０）内の応力分布を含み、前記複数の応力センサ（１００）は、前記チップ（１０）内の前記応力分布を測定し、 前記チップ（１０）は、分類スキーム（１１１）を含むメモリ（１１０）を備え、 前記分類スキーム（１１１）は、前記検出面（２００ａ）上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキーム（１１１）によって分類されるように、前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てることを特徴とする触覚センサ（１）。」 ２ 補正の目的 本件補正のうち請求項１についてする補正は、本件補正前の請求項１に記載された「前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てる」「分類スキーム（１１１）」について、「前記検出面（２００ａ）上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキーム（１１１）によって分類されるように」割り当てることを限定するものである。 そして、本件補正前の請求項１に記載された発明と本件補正後の請求項１に記載される発明は、産業上の利用分野及び解決しようとする課題が同一である。 したがって、本件補正により請求項１についてする補正は、特許法１７条の２第５項２号に掲げる特許請求の範囲の減縮を目的とする補正に該当する。 ３ 独立特許要件の判断 本件補正は、前記２のとおり、特許法１７条の２第５項２号に掲げる特許請求の範囲の減縮を目的とする補正に該当するから、本件補正後の請求項１に記載されている事項により特定される発明（以下「本件補正発明」という。）が、同法１７条の２第６項において準用する同法１２６条７項の規定に適合するか、すなわち、特許出願の際独立して特許を受けることができるものであるかについて、以下検討する。 (１) 本件補正発明 ア 本件補正発明の認定と分説 本件補正発明は、前記１(２)に摘記した本件補正後の請求項１に記載された事項により特定されるとおりのものと認める。 ここで、検討の便宜上、本件補正発明の構成を次のとおり構成Ｘと構成Ａから構成Ｅまでに分説するとともに、参考図１として本願の図１を符号の説明とともに示す。また、本願の外国ファミリー文献である韓国登録特許第１０－２６８２５８２号公報の第１図も参考図２として示す。 ＜本件補正発明の分説＞ Ａ 複数の応力センサ（１００）が分散配置されたチップ（１０）と、 Ｂ 少なくとも１つの接触体（２００）と、を備え、 Ｃ 前記複数の応力センサ（１００）は、前記接触体（２００）の検出面（２００ａ）に印加された負荷パターンを検出するように設定され、 前記負荷パターンは、前記チップ（１０）内の応力分布を含み、前記複数の応力センサ（１００）は、前記チップ（１０）内の前記応力分布を測定し、 Ｄ 前記チップ（１０）は、分類スキーム（１１１）を含むメモリ（１１０）を備え、 Ｅ 前記分類スキーム（１１１）は、前記検出面（２００ａ）上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキーム（１１１）によって分類されるように、前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てることを特徴とする Ｘ 触覚センサ（１）。 ＜参考図１＞ 【図１】 ［図：0001426410000001.jpg］ 【符号の説明】 １：触覚センサ １０：チップ １００：応力センサ １００．１：第１応力センサ １００．２：第２応力センサ １００．３：第３応力センサ １００．４：第４応力センサ ２００：接触体 ２０１：マウント ２００ａ：検出面 ＜参考図２＞ ［図：0001426410000002.jpg］ イ 課題・作用効果等に関連する明細書の発明の詳細な説明の記載 本願明細書の発明の詳細な説明の記載のうち、発明が解決しようとする課題及び作用効果等に関連する記載を抜粋すると、次の記載がある。 「【技術分野】 【０００１】 触覚センサが知られている。更に、触覚センサを操作する方法が知られている。 【発明の概要】 【発明が解決しようとする課題】 【０００２】 解決すべき課題の一つは、特に、速度及び汎用性が改善された触覚センサを規定することである。解決すべき更なる課題は、特に、速度及び汎用性が改善された触覚センサの動作方法を規定することである。 …（中略）… 【００５３】 応力センサによっては、負荷パターンのいくつかのクラスで応力センサの出力値が同じになる場合がある。しかし、出力値全体、つまり出力値のセットは、異なる負荷パターンとして区別可能である。この分類スキームでは、出力値のセット全体を考慮することによって、印加された負荷パターンを負荷パターンの予め定義されたクラスに確実に割り当てることができる。学習されたランダムフォレストアルゴリズムは、９９．８％の精度で負荷パターンを正しいクラスに割り当てることができる。 …（中略）… 【００５６】 複数の応力センサ１００、特に３２個すべての応力センサの出力を解析することで、スペクトル解析を行わずに、静的触覚力と動的触覚力の両方の負荷パターンを検出してもよい。図１０は、最も重要な２つの応力センサ１００の散布図として、完全な分類スキームを示したものである。散布図の各ポイントは、１つのセンサのサンプルを表し、それぞれの出力値に割り当てられた予め定義された負荷クラスによって色分けされている。ランダムフォレスト分類アルゴリズムは、少なくとも５０本の木と無制約の木の成長により学習される。５分割交差検証の結果、合計９９．６％の精度を達成した。各クラスの負荷パターンの真陽性率は９８％以上である。 …（中略）… 【００５８】 図１２は、静的触覚力時のチップ１０表面上の応力センサ１００の出力値を負荷パターンとして可視化した３次元プロットである。図１３は、動的触覚力時のチップ１０表面上の応力センサ１００の出力値を負荷パターンとして可視化した３次元プロットである。この可視化では、データにハイパスフィルターをかけ、方向性のある静的な力によるオフセットパターンを抑制している。静的プロットにおける平面からのずれは、センサノイズによるものである。したがって、静的触覚力は良好に定義された応力パターンを導き、滑りサンプルの歪んだパターンと区別できる。学習により、分類アルゴリズムは、これらのパターンを２つの異なるクラスの負荷パターンとして区別することを学習してもよく、これにより、動的触覚力と静的触覚力は、同じアルゴリズムによって検出できるようになる。」 (２) 引用文献に記載された事項及び引用発明等の認定 ア 引用文献４の記載事項及び引用発明の認定 (ア) 引用文献４に記載された事項 原査定の拒絶の理由において引用された、本願の優先日前に発行された文献である特開昭６２－７６７８５号公報（以下「引用文献４」という。）には、次の記載がある（なお、当合議体により、後記(イ)の引用発明の認定に直接用いる記載に下線を付した。）。 ａ 特許請求の範囲 「（１）半導体基板と、 この半導体基板と同一の基板上にマトリクス状に整列配置されてなる複数の半導体圧力センサと、 各圧力センサを順次走査しその出力信号を検出するセンサ走査手段と、 を含み、 各半導体圧力センサは、 前記半導体基板の主表面上に被覆され、耐エッチング材料からなる絶縁性のダイアフラム膜と、このダイアフラム膜の受圧領域所定位置に設けられた少なくとも１個の歪みゲージと、 この歪みゲージ及びダイアフラム膜上に被覆され耐エッチング材料からなる絶縁性保護膜と、 この絶縁性保護膜及びダイアフラム膜を貫通するよう形成された少なくとも１個のエッチング液注入口と、 エッチング液注入口を介して半導体基板の一部をエッチング除去することにより形成された圧力基準室と、 を含み、 マトリクス配置された各半導体圧力センサに印加される圧力分布を測定することを特徴とする圧力分布検出装置。 （２）特許請求の範囲（１）記載の装置において、前記センサ走査手段は、各圧力センサを順次走査して電源と接続し、その出力信号を検出することを特徴とする圧力分布検出装置。」 ｂ ２頁左上欄１３～１８行 「［従来の技術］ 従来より、複数の半導体圧力センサをマトリクス状に整列配置した圧力分布検出装置が周知であり、多点における圧力の動的変化をリアルタイムで検出可能であることから、各種の圧力分布を動的に把握するために幅広く用いられている。」 ｃ ３頁右下欄９～１８行目 「特に、今日においては、例えば精密作業ロボット等の触圧センサや触覚センサとして、あるいはその他の用途に高精度な２次元分解能をもった圧力分布検出装置が必要とされており、その有効な対策が望まれていた。 ［発明の目的］ 本発明は、このような従来の課題に鑑み為されたものであり、その目的は、小形化、量産化が容易で、かつ高分解能の圧力分布検出装置を提供することにある。」 ｄ ４頁右上欄１２行～右下欄１７行、第１図、第２図 「 第１図及び第２図には、本発明の圧力分布検出装置の具体的な構成が示されており、第１図はその基板の１図を拡大した平面説明図、第２図にはその断面説明図が示されている。 本発明において、半導体基板４０上に整列配置された各半導体圧力センサ１００は、半導体基板４０の主表面上に耐エッチング性を有する材料からなる絶縁性のダイアフラム膜４４が被覆形成され、このダイアフラム膜４４の受圧領域所定位置に少なくとも１個の歪みゲージ４６が設けられている。 そして、歪みゲージ４６をセンサ製造工程中に使用されるエッチング液から保護するために、歪みゲージ４６及びダイアフラム膜４４は、耐エッチング材料からなる絶縁性保護膜４８により被覆されている。 そして、各センサ１００の受圧領域所定位置には、絶縁性保護膜４８及びダイアフラム膜４４を貫通する少なくとも１個のエッチング液注入口５０が設けられており、このエッチング液注入口５０を介して基板４０側に所定のエッチング液が注入される。 これにより、耐エッチング材料からなるダイヤフラム膜４４及び半導体基板４０の界面の横方向エッチング特性を利用したエッチングが行われ、基板４０の一部がエッチング除去され圧力基準室５２が形成される。 この時、この圧力基準室５２に面してその上方に位置するダイアフラム膜４４及び絶縁性保護膜４８の積層膜は、各センサ１００の可動グイ７フラム１１０として機能することになる。 そして、前記エッチング液注入口５０は、圧力基準室５２が形成された後、その内部を真空状態に保ったまま封止部材５６により密封される。 本発明の圧力分布検出装置では、このようにして半導体基板４０上に複数の圧力センサ１００がマトリクス状に形成されており、従って、基板４０の主表面側から圧力が印加されると、対応される箇所に設けられたセンサ１００の可動ダイアフラム１１０が圧力に比例してたわみ、このたわみによって受圧領域に設けられた歪みゲージ４６の抵抗が変化する。 従って、各センサ１００に設けられた歪みゲージ４６の抵抗変化を電気的検出することにより、圧力分布の動的変化をリアルタイムで測定することか可能となる。」 「第１図 ［図：0001426410000003.jpg］ 」 「第２図 ［図：0001426410000004.jpg］ 」 ｅ ６頁右下欄１５～２０行 「 また、このように半導体圧力センサは、極めて高い２次元分解能を発揮することができることから、各種用途に幅広く用いられることが可能であり、例えば、高精度の作業ロボット等の触覚センサや触圧センサとして優れた性能を発揮することが可能である。」 ｆ ７頁左上欄６行～右上欄６行、第３図 「［実施例］ 次に、本発明の好適な実施例を図面に基づき説明する。 第１実施例 第３図には、本発明の圧力分布検出装置の好適な第１実施例が示されており、実施例の装置は、半導体基板４０の主表面上に複数の半導体圧力センサ１００がｎ行×ｍ列のマトリクス状に整列配置され、センサマトリクス１２０を形成している。そして、これら各センサ１００は後述するセンサ走査手段２００により順次操作され、その出力信号が検出される。 従って、基板４０に主表面側から印加された圧力は、センサマトリクス１２０によりその圧力分布が２次元的に測定され、前述したセンサ走査手段２００によりセンサマトリクス１２０を繰返して連続的に走査した場合には、その圧力分布の動的変化をリアルタイムで測定することが可能となる。」 「第３図 ［図：0001426410000005.jpg］ 」 ｇ ９頁左下欄１５～右下欄１７行、第５図 「（ハ）圧力印加手段 次に、本実施例の圧力分布検出装置に用いられる圧力印加手段３００を説明する。 第５図には、基板４０に圧力印加手段３００を取付けた圧力分布検出装置が示されており、実施例において基板４０は第３図が示すことく形成され、その主表面上には10行×10行のマトリクス状に複数の圧力センサ１００が整列配置されている。 そして、この基板４０は、その裏面側がセラミックのベース３０１に接着固定されており、基板４０の主表面側に設けられた各電極１３０はベース３０１上に形成された圧膜電極にリード３０２を介してボンディングされており、これにより外部リード３０４と接続されている。 また、基板４０の主表面側周縁に配置された電極１３０とリード３０２とを保護するために、基板４０の主表面側周縁とベース３０１の表面との間にキャップ３０６が接着固定されている。 更に、シリコン基板４０上に形成されているセンサマトリクス１２０の上部には、平板状に形成されたゴム弾性体３０８が当接配置され、この弾性体３０８上における接触圧力がそのままセンサマトリクス１２０側へ伝えられる。」 「第５図 ［図：0001426410000006.jpg］ 」 (イ) 引用発明の認定 前記（ア）に摘記した引用文献４の記載事項を総合すると、引用文献４には、実施例（第３図、第５図）に係る次の発明（以下「引用発明」という。）が記載されていると認められる。なお、「半導体基板４０」、「シリコン基板４０」及び「基板４０」は「基板４０」に、「半導体圧力センサ１００」及び「圧力センサ１００」は「圧力センサ１００」に表記を統一した。また、括弧内に認定の根拠とした摘記箇所を示した。 ＜引用発明＞ 「 精密作業ロボット等の触圧センサや触覚センサとして用いるための、（(ア)ｃ） 基板４０に圧力印加手段３００を取付けた圧力分布検出装置であって、（(ア)ｇ） 基板４０の主表面上に複数の圧力センサ１００がマトリクス状に整列配置され、センサマトリクス１２０を形成しており、（(ア)ｆ） 基板４０に主表面側から印加された圧力は、センサマトリクス１２０によりその圧力分布が２次元的に測定され、センサ走査手段２００によりセンサマトリクス１２０を繰返して連続的に走査した場合には、その圧力分布の動的変化をリアルタイムで測定することが可能となり、（(ア)ｆ） 基板４０上に形成されているセンサマトリクス１２０の上部には、平板状に形成されたゴム弾性体３０８が当接配置され、この弾性体３０８上における接触圧力がそのままセンサマトリクス１２０側へ伝えられる、（(ア)ｇ） 圧力分布検出装置。」 イ 引用文献１に記載された事項と引用文献１技術事項の認定 (ア) 引用文献１に記載された事項 原査定の拒絶の理由において引用された、本願の優先日前に発行された文献である特開２０１８－１１６０５４号公報（以下「引用文献１」という。）には、次の記載がある（なお、当合議体により、後記(イ)の引用文献１技術事項の認定に直接用いる記載に下線を付した。）。 ａ 段落【０１０８】、【図１３】 「【０１０８】 〔識別装置〕 つぎに、測定対象物の種類を識別する識別装置８を説明する。 図１３は識別装置８の構成を示したブロック図である。識別装置８はコンピュータによって実現される。コンピュータは専用機でもよいし、汎用機でもよい。コンピュータはＣＰＵ（Central Processing Unit：中央処理装置）、ＧＰＵ（Graphics Processing Unit：画像処理装置）、主記憶装置、補助記憶装置などから構成されている。コンピュータが各種のプログラムを実行することで、識別装置８としての機能が実現される。」 「【図１３】 ［図：0001426410000007.jpg］ 」 ｂ 段落【０１０９】～【０１１２】 「【０１０９】 識別装置８の記憶装置２００には学習済みモデル２０１が記憶されている。学習済みモデル２０１はプログラムモジュールであり、予め識別装置８を構成するコンピュータにインストールされている。コンピュータが学習済みモデル２０１を実行すると、コンピュータ上に学習器１０１が構成される。学習器１０１のアルゴリズムとしては、ニューラルネットワーク、サポートベクターマシンなど、分類問題を扱うのに適したアルゴリズムが用いられる。学習器１０１は予め機械学習が行われている。機械学習の方式としては、特に限定されないが、教師あり学習、強化学習、教師なし学習が挙げられる。学習器１０１がニューラルネットワークである場合、機械学習によりニューロン間の重み付け係数が最適化される。 【０１１０】 機械学習は例えばつぎの手順で行われる。この手順は教師あり学習によるものである。 まず、機械学習に用いる学習データを用意する。学習データは訓練データと評価データとからなる。訓練データと評価データとは、それぞれ測定対象物の種類ごとに複数用意される。訓練データは測定対象物の触覚データと、その測定対象物の種類情報とからなる。評価データは触覚データからなり、種類情報が付されていない。触覚データは、例えば、触覚センサ１を用いて測定対象物を測定して得られた測定データである。種類情報は測定対象物の種類を示す情報である。種類情報は教師あり学習における教師信号である。 【０１１１】 学習器１０１に訓練データを入力し、測定対象物の種類ごとの特徴量、パターンを学習させる。つぎに、学習器１０１に評価データを入力し、出力された種類情報が正しいか評価する。以上の訓練と評価とを、評価データに対して正しい種類情報が出力されるまで繰り返し行なう。これにより、学習器１０１がニューラルネットワークである場合、ニューロン間の重み付け係数が最適化される。 【０１１２】 触覚データとして触覚センサ１から出力された測定データを用いることができる。触覚センサ１からは、４つの情報、すなわち測定対象物の表面位置（表面の位置座標）に対する、凹凸量、微小領域摩擦力、平均摩擦力、および測定対象物への触覚センサ１の押し当て力が出力される（図５参照）。測定データには、これら４つの情報のうちの一つのみが含まれてもよいし、いずれか複数が含まれてもよい。例えば、測定データに凹凸量および微小領域摩擦力のみが含まれてもよい。なお、押し当て力は他の情報と組み合わせて用いることが好ましい。」 ｃ 【図５】 「 ［図：0001426410000008.jpg］ 」 ｄ 段落【０１２２】～【０１２９】 「【０１２２】 学習器１０１は、触覚データとして、測定データ、またはいずれかの形式の処理後データを用いて、予め機械学習が行われている。 【０１２３】 図１３に示すように、識別装置８は学習器１０１のほかに、データ取得部１０２、データ処理部１０３、および表示部１０４を備えている。 【０１２４】 データ取得部１０２は触覚センサ１から出力された測定データを取得する機能を有する。データ取得部１０２をアナログ－デジタル変換回路で構成すれば、触覚センサ１から出力されたアナログ信号を直接取り込んで、データ列の形式で測定データを取得できる。データ取得部１０２は外部装置で生成されたデータ列を取得するよう構成してもよい。 【０１２５】 触覚データとして測定データを用いる場合、データ取得部１０２は測定データを学習器１０１に入力する。触覚データとして処理後データを用いる場合、データ取得部１０２は測定データをデータ処理部１０３に入力する。 【０１２６】 データ処理部１０３は測定データに所定の処理を施して処理後データを得る機能を有する。データ処理部１０３は処理後データを学習器１０１に入力する。なお、触覚データとして測定データを用いる場合、データ処理部１０３を設けなくてもよい。 【０１２７】 表示部１０４は学習器１０１の出力結果を表示する機能を有する。表示部１０４はディスプレイなどで構成される。 【０１２８】 識別装置８はつぎのように用いられる。 触覚センサ１を用いて測定対象物を測定すると測定データが得られる。その測定データがデータ取得部１０２に入力される。測定データはそのままの形式で、または処理後データに変換され学習器１０１に入力される。ここで、学習器１０１に入力されるデータの形式は、機械学習に用いたデータと同じ形式である。そうすると、学習器１０１は測定対象物に対応する種類情報を出力する。表示部１０４は学習器１０１から出力された種類情報を表示する。 【０１２９】 このように、触覚データに基づいて測定対象物の種類を特定できる。学習器１０１に対して種々の測定対象物を学習させておけば、種々の測定対象物に対してその種類を識別できる。」 (イ) 引用文献１技術事項の認定 前記（ア）に摘記した引用文献１の記載事項を総合すると、引用文献１には、次の技術事項（以下「引用文献１技術事項」という）が記載されていると認められる。 ＜引用文献１技術事項＞ 「 測定対象物の種類を識別する識別装置８において、（【０１０８】） 識別装置８の記憶装置２００には学習済みモデル２０１が記憶されており、学習済みモデル２０１はプログラムモジュールであり、コンピュータが学習済みモデル２０１を実行すると、コンピュータ上に学習器１０１が構成され、学習器１０１のアルゴリズムとしては、ニューラルネットワーク、サポートベクターマシンなど、分類問題を扱うのに適したアルゴリズムが用いられ、（【０１０９】） 触覚データとして触覚センサ１から出力された測定データを用い、触覚センサ１からは、４つの情報、すなわち測定対象物の表面位置（表面の位置座標）に対する、凹凸量、微小領域摩擦力、平均摩擦力、および測定対象物への触覚センサ１の押し当て力が出力され、測定データには、これら４つの情報のうちのいずれか複数が含まれてもよく、（【０１１２】）、 学習器１０１には、触覚データとして、測定データ、またはいずれかの形式の処理後データを用いて、予め機械学習が行われており、（【０１２２】）、 触覚センサ１を用いて測定対象物を測定すると測定データが得られ、その測定データがデータ取得部１０２に入力され、測定データはそのままの形式で、または処理後データに変換され学習器１０１に入力され、学習器１０１は測定対象物に対応する種類情報を出力すること。（【０１２８】）」 ウ 引用文献１１～１４に記載された事項と周知技術１、技術常識１の認定 (ア) 引用文献１１に記載された事項 原査定の拒絶の理由において引用された、本願の優先日前に発行された文献である特開２００５－３６７０号公報（以下「引用文献１１」という。）には、次の記載がある。なお、下線は当合議体が付したものであり、以下同様である。 ａ 請求項１ 「【請求項１】 座席にかかる力に反応する少なくとも１つのセンサについて複数箇所の測定を行うステップであって、各測定は、センサのほぼ全体にわたって加わる力に応じて行われ、それぞれの異なる力分布の関数である、複数箇所の測定を行うステップと、 前記測定に基づき前記力分布を分類するステップと を含む、座席乗員監視方法。」 ｂ 段落【００２９】、【図３】 「【００２９】 図３は、座席の背もたれ部３４に取り付けられているパッド３２を含む自動車座席３０を示す。さらなるパッド３６が座部３８に取り付けられている。パッド３２および３６のそれぞれは、図１および図２に示したパッド１２および２２と同じタイプのものであり、それぞれ、コネクタ４２を有する複数の電極４０を含む。」 「【図３】 ［図：0001426410000009.jpg］ 」 ｃ 段落【００３０】、【図４】 「【００３０】 図４は、マルチプレクサ６２を含む信号処理装置６０の概略図であり、図３に示した電極４０からのコネクタ４２がそのマルチプレクサ６２に接続されている。マルチプレクサ６２はコントローラ６４に接続され、コントローラ６４は抵抗計６６およびメモリ６８に接続されている。コントローラは、電極４０が生成する信号を読み取り、その信号を抵抗計６６を用いて抵抗測定値に変換する。この抵抗値（resistance）は、その測定値を生成した特定の電極の識別子とともに、パッドにわたる力分布を表し、これらの測定値はメモリ６８に記憶される。コネクタ４２のそれぞれからの信号は多重化（multiplexered）されるため、単一の抵抗計６６しか必要としない。このような測定が行われその測定値が記憶される方法は、信号処理の技術分野において既知であるため、本明細書中でさらに説明しない。」 「【図４】 ［図：0001426410000010.jpg］ 」 ｄ 段落【００３１】～【００４０】 「【００３１】 乗員分類機モジュール７０、運転者覚醒度分類機モジュール７２、および座席位置分類機モジュール７４は全て、メモリ６８に接続されている。乗員分類機モジュール７０は乗員安全システム７６に接続されている。運転者覚醒度モジュール７２は可聴アラーム７８と振動アラーム８０に接続されている。座席位置分類機モジュール７４は、情報表示装置８２に接続されている。 【００３２】 モジュール７０、７２、および７４は、それらモジュールが全て、メモリ６８に記憶された情報にアクセスし、その情報を用いて一群の測定値を分類するという点で同様に動作する。これらのコントローラは、サポートベクターマシン（ＳＶＭ）を用いてそれら測定値を分類する。上記モジュールのそれぞれについてニューラルネットワークベース技法を用いることも可能である。 【００３３】 分類は、ある状態を表すものとしての測定値のセットを認識するように各モジュールを訓練することに基づいている。学習段階の際、各モジュールは、所定の測定値セットを、特定の物体およびその物体の向きと位置に関連付けするようにプログラムされる。次に、これらの関連付けは、動作段階の際にモジュールにより用いられて未知の測定値が分類される。 【００３４】 分類上の問題に役立つツールとしてＳＶＭを使用することは、物理学の分野において既知である。このことは、M.FeindtおよびC.Haag著「Support Vector Machines for Classification Problem in High Energy Physics」(DELPHI Collaboration, DELPHI 99-151 GEN 176, １９９ 年９月２３日)に開示されている。ＳＶＭ技法は、Nello CristianiniおよびJohn Shawe-Taylor著「An Introduction to Support Vector Machines and Other Kernel-based Learning Methods」（Cambridge University Press,２０００年３月２３日）、およびVojislav Kecman著「Learning and Soft Computing」(The MIT Press,２００１年７月２４日)に開示されている。このような技法は、測定値の解釈の技術分野で既知であるため、本明細書ではさらに説明しない。 【００３５】 乗員分類機モジュールは、自動車座席上の乗員を分類する技法を用いる。このモジュールは、子供、大人、および座席にあるチャイルドシートにいる乳幼児を区別する。モジュールは、座席を占有している手荷物品などの物体と人間の乗員を区別することも可能である。 【００３６】 乗員分類機モジュールは、乗員安全システム７６に乗員の種類を指示する。乗員安全システム７６は、エアバックを展開させるかどうかを判断し、展開させる場合はその展開速度を変える。乗員安全システム７６はまた、乗員のクラスに応じてシートベルトプリテンショナを調整する。このシステムはまた、求められた乗員のクラスに応じて最適することができる他の安全機構を制御することもできる。 【００３７】 運転者覚醒度分類機モジュールは、眠気を催しているかまたは注意散漫な運転者と覚醒している運転者を区別する。このモジュールが運転者が覚醒していないと判断した場合、振動アラーム８０が作動して運転者を覚醒状態に戻す。別法として、あるいは振動アラームに加えて、可聴アラーム７８が徐々に大きくなる音を発して運転者に警告してもよい。代替の実施形態において、運転者覚醒度分類機モジュールはさらに、車両ステアリング（図示せず）から、蛇行運転しているのかどうかを知らせる、運転者の覚醒度も示す情報を受け取る。 【００３８】 座席位置分類機モジュール８２は、乗員にとって座席位置が最も快適である可能性があるのかどうかを判断する。このモジュールは、どのように座席の向きを変えて快適性を増すようにするかに関して指示する情報表示装置８２により、情報を座席乗員に表示する。事故の危険性を少なくするために、このモジュールは、自動車が静止しているときにのみ情報を表示することになっている。自動車の運転者の場合、運転者覚醒度モジュールと座席位置分類機モジュールとの間に対立が起こる可能性があり、したがって、運転者を確実に覚醒している状態のままにするため、座席位置分類機モジュールを制する、これらモジュール間の調停手段を有する必要がある。 【００３９】 コントローラは考えられる各電極対に対応する測定値を生成することが可能であるが、そうである必要がない場合もある。パッド３２および３６の場合に含まれる電極数に応じて、コントローラは取得される測定値数を少なくすることができる。したがって、コントローラは、特定の力分布に基づき、それら電極対間の、力分布の特徴付けに全くまたはほとんど関連しない測定を省く。この決定は、ニューラルネットワークまたはＳＶＭ技法に基づいてもよい。 【００４０】 図１、図２、および図３を参照して示し論じたタイプのセンサは、自動車座席の乗員を監視するセンサよりもより多くの用途を有する。このようなセンサは、特定の領域にわたる力分布が詳細に分かる必要があるあらゆる用途で使用できる。」 (イ) 引用文献１２に記載された事項 当審において新たに引用する、本願の優先日前に発行された文献である特開２００６－２９７５４２号公報（以下「引用文献１２」という。）には、次の記載がある。 ａ 請求項１ 「【請求項１】 柔軟構造を持つ指表面を有するロボットハンドにおいて、指先の滑りを検知する装置であって、 指先曲面を複数の領域に分割して表面の法線方向の力をそれぞれ検出する分布型圧力センサと、 前記分布型圧力センサの出力から出力重心位置と法線接触力を算出する手段と、 出力重心位置の移動と法線接触力の関係から滑り発生を判定する手段と、 を備えていることを特徴とするロボットハンドの指表面の滑り検知装置。」 ｂ 【０００１】～【０００７】 「【０００１】 本発明は、ロボットハンドの指表面における滑りを検知する装置に関し、特に、柔軟構造を有するロボットハンドの指表面において、物体を把持する際に指と物体の間で起こる滑りを検知する装置に関する。 【背景技術】 【０００２】 重量等の特性が既知の物体だけでなく、特性が未知の物体を把持して搬送等を行うロボットハンドの研究が進められている。特に、重量や表面の摩擦係数、強度が未知の物体を把持する場合には、把持力により物体が破損・変形することなく、かつ、落下させることなく確実に把持を行うためには、必要最小限の把持力で把持を行わなければならない。このため、こうした特性が未知の物体を適切に把持するための技術が研究されている（特許文献１参照）。 【０００３】 特許文献１に記載されている技術は、ロボットハンドの物体把持面を曲面状弾性体で構成し、その内部に複数のセンサを配置して、センサ出力から得られた弾性体の剪断歪みまたは剪断応力から弾性体と物体との間の固着領域の大きさを求め、これに応じて把持力等を制御することで、把持力が強すぎて物体を握りつぶすこともなく、また、把持力が弱すぎて物体を滑り落とすこともなく、適切な把持力で物体を把持することができるというものである。 【特許文献１】特開２０００－２５４８８４号公報 【発明の開示】 【発明が解決しようとする課題】 【０００４】 しかしながら、この技術において用いられる剪断歪みや剪断応力を検知するセンサは構造が複雑で、比較的大型になりかねない。また、特に把持表面を柔軟構造とした場合、物体を把持後に持ち上げるような場合に、把持面部分の柔軟構造の形状が変化するが、この形状変化によって剪断歪みや剪断応力を検知してしまうが、これを物体の滑りによる剪断歪みや剪断応力と区別するのが難しく、誤検出してしまう可能性がある。 【０００５】 そこで本発明は、把持面に柔軟構造を採用したロボットハンドにおいて指表面における把持物体の滑りを判定することを可能とした滑り検知装置を提供することを課題とする。 【課題を解決するための手段】 【０００６】 上記課題を解決するため、本発明にかかる滑り検知装置は、柔軟構造を持つ指表面を有するロボットハンドにおいて、指先の滑りを検知する装置であって、指先曲面を複数の領域に分割して表面の法線方向の力をそれぞれ検出する分布型圧力センサと、これら分布型圧力センサの出力から出力重心位置と法線接触力を算出する手段と、出力重心位置の移動と法線接触力の関係から滑り発生を判定する手段と、を備えていることを特徴とする。 【０００７】 歪みセンサと比較して圧力センサは構成が単純で、小型化も容易である。表面に柔軟構造を持つ指で静置された物体を把持すると、柔軟構造は把持力により物体表面に押しつけられ、変形する。したがって、固体表面で接触する場合に比べて広い範囲で物体に接触し、把持力に応じた反力が分布型圧力センサによって検出される。この状態から把持した物体を持ち上げると、物体表面を把持している柔軟構造は、物体の荷重を支えるために下方にずれて変形する。このため、柔軟構造に加わる圧力分布は把持した際とは変化する。さらに、物体を把持しきれず、物体が指表面で滑った場合には、滑りに応じて圧力分布が変化する。そこで、本発明においては、圧力分布の変化状況のうちの出力重心位置の移動状況と法線接触力（把持力に対応する。）から滑りに至らない柔軟構造の変形か、滑りの発生かを判定する。」 (ウ) 引用文献１３に記載された事項 当審において新たに引用する、本願の優先日前に発行された文献である多田泰徳外２名「視触覚センサを有する柔軟な指のための滑りの内部表現」第２０回日本ロボット学会学術講演会予稿集（2002）（http://www.er.ams.eng.osaka-u.ac.jp/Paper/2002/Tada02a.pdf）（以下「引用文献１３」という。）には、次の記載がある。 ａ １頁「１．はじめに」（４段落） 「 本研究では、キャリブレーションされていない視覚および触覚センサを有するロボットハンドを用い、センサデータを集めることで指先に発生した滑りという物理現象をニューラルネットワークに表現することを提案する。指先はシリコンゴムでできており、触覚センサとして複数の歪みゲージを埋め込んである。実験開始時は視覚センサのみが滑りを認識可能だが、学習を繰り返すことにより触覚センサが滑りを認識するようになる。そして、十分に学習すると視覚センサでは認識できないような微少な滑りを触覚センサを用いて認識できるようになる。」 ｂ ２頁「３．１実験装置」、Fig.2、Fig.3 「３．１ 実験装置 本研究では安川電機製の３自由度ロボットハンドを使用する（Fig.2）．ロボットハンドの先端にはFig.3のように作成した指先を取り付けてある．この指先はシリコンゴム製で柔軟性がある．そして触覚センサとして６枚の歪ゲージをランダムに埋め込んである．歪ゲージの値はアンプで増幅した後ホストコンピュータに送られる．また視覚センサとしてビデオカメラを用い、画像は富士通製トラッキングビジョンで処理されてからホストコンピュータに送られる． 指先に滑りを発生させるときはロボットハンドの姿勢を固定し、瀬食している物体を人間が動かす．」 「 ［図：0001426410000011.jpg］ 」 「 ［図：0001426410000012.jpg］ 」 ｃ ２頁「３．２実験結果」、Fig.4、Fig.5 「３．２ 実験結果 学習中の触覚および視覚センサの活性度の変化をFig.4に示す．活性度の符号は滑りの方向を示し、絶対値が１を越えた時に滑りであると判断する．なお、ここで示した図は画像上でｘ方向に滑らせた場合の様子である。学習開始直後は接続重みが０なので触覚センサの活性度は０だが、視覚センサが滑りを検出するたびに重みが更新され、触覚センサの活性度が大きくなるのがわかる． 260回学習した後にこのネットワークが滑りを認識できるかを実験した．その結果をFig.5に示す．この図では視覚センサが滑りを検出する前に触覚センサの活性度が上昇し、滑りを認識していることが分かる．」 「 ［図：0001426410000013.jpg］ 」 「 ［図：0001426410000014.jpg］ 」 (エ) 引用文献１４に記載された事項 当審において新たに引用する、本願の優先日前に発行された文献であるHongbin Liu, et.al., “A computationally fast algorithm for local contact shape and pose classification using a tactile array sensor” 2012 IEEE International Conference on Robotics and Automation (2012) pp.1410-1415(https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6224872)（以下「引用文献１４」という。）には、次の記載がある。 ＜Abstract＞ 「This paper proposes a new computationally fast algorithm for classifying the primitive shape and pose of the local contact area in real-time using a tactile array sensor attached on a robotic fingertip. The proposed approach abstracts the lower structural property of the tactile image by analyzing the covariance between pressure values and their locations on the sensor and identifies three orthogonal principal axes of the pressure distribution. Classifying contact shapes based on the principal axes allows the results to be invariant to the rotation of the contact shape. A naive Bayes classifier is implemented to classify the shape and pose of the local contact shapes. Using an off-shelf low resolution tactile array sensor which comprises of 5×9 pressure elements, an overall accuracy of 97.5% has been achieved in classifying six primitive contact shapes. The proposed method is very computational efficient (total classifying time for a local contact shape = 576μs (1736 Hz)). The test results demonstrate that the proposed method is practical to be implemented on robotic hands equipped with tactile array sensors for conducting manipulation tasks where real-time classification is essential.」 （当審訳：この論文は、ロボット指先に取り付けられた、アレイ状の触覚センサを使用して、リアルタイムで局所接触領域の基本形状及び姿勢を分類するための新しい計算的に高速なアルゴリズムを提案している。提案される手法は、圧力値とセンサ上のそれらの位置との間の共分散を分析することによって触覚画像のより低い構造的特性を抽出し、圧力分布の三つの直交主軸を識別する。主軸に基づいて接触形状を分類することは、結果が接触形状の回転に対して不変であることを可能にする。単純ベイズ分類器を実装して、局所接触形状の形状及び姿勢を分類する。5×9個の圧力要素を含む既製の低分解能触覚アレイセンサを使用して、六つのプリミティブ接触形状を分類する際に97.5%の全体的な精度が達成された。提案された方法は、非常に計算効率が良い(局所接触形状の総分類時間=576μs(1736 Hz))。試験結果は、提案された方法が、リアルタイム分類が必須である操作タスクを行うための触覚アレイセンサを備えたロボットハンド上で実施されるのに実用的であることを実証している。） (オ) 周知技術１の認定 上記引用文献１１、１２、１４の摘記事項に例示されているように、次の技術事項は、当業者にとって周知技術であったと認められる（以下「周知技術１」という。）。 ＜周知技術１＞ 「圧力分布を測定可能なセンサの測定結果に基づき、印加される力の分布状態を分類すること。」 (カ) 技術常識１の認定 上記引用文献１２～１４の摘記事項に例示されているように、次の技術事項は、当業者にとって技術常識であったと認められる。（以下「技術常識１」という。）なお、引用文献１３、１４の「触覚センサ」は「圧力センサ」であると認められる。 ＜技術常識１＞ 「圧力分布の変化に基づいて、静的な接触状態と動的な接触状態をともに検知できること。」 (３) 本件補正発明と引用発明の対比 ア 対比分析 本件補正発明と引用発明を対比する。 (ア) 構成Ｘの観点（触覚センサ） 引用発明の「圧力分布検出装置」は「精密作業ロボット等の触圧センサや触覚センサとして用いるため」のものであるから、「触覚センサ」の発明である本件補正発明と、「触覚センサとして用いるため」の「圧力分布検出装置」である引用発明は、「触覚センサ」の発明である点で一致する。 (イ) 構成Ａの観点 ａ 構成Ａは、「複数の応力センサ（１００）が分散配置されたチップ（１０）」を備えることである。 ｂ 引用発明において、「基板４０に主表面側から」「圧力」が「印加」されると、「弾性体３０８」に歪みが生じ「基板４０」内に応力分布が生じることは明らかであり、「センサマトリクス１２０により」「測定」される「２次元的」な「圧力分布」は、実質的には「基板４０」内の応力分布であるといえる。 そうすると、引用発明の「センサマトリクス１２０」を「形成」する「複数の圧力センサ１００」は、実質的には応力分布を測定するセンサであるといえるから、本件補正発明の「複数の応力センサ（１００）」に相当する。 ｃ 引用発明の「基板４０」は本件補正発明の「チップ（４０）」に相当するものと認められるところ、引用発明の「基板４０」の主表面上には「複数の圧力センサ１００がマトリクス状に整列配置され[ている]」から、本件補正発明の「チップ（１０）」と引用発明の「基板４０」は、「複数の応力センサが」「配置され[る]」点で共通する。 ｄ 以上を踏まえると、本件補正発明と引用発明は、「複数の応力センサが配置されたチップを備える」という点において一致する。 一方で、本件補正発明と引用発明は、次の点において一応相違する。 本件補正発明の「チップ（１０）」における「複数の応力センサ（１００）」の配置が「分散配置」であるのに対し、 引用発明の「基板４０」における「複数の圧力センサ１００」の配置が「整列配置」である点。 (ウ) 構成Ｂの観点 ａ 構成Ｂは、「少なくとも１つの接触体（２００）」を備えることである。 ｂ 引用発明において、「ゴム弾性体３０８上における接触圧力がそのままセンサマトリクス１２０側へ伝えられる」から、引用発明の「ゴム弾性体３０８」は、「接触圧力」が加えられる部材であり、本件補正発明の「接触体（２００）」に相当する。 ｃ したがって、本件補正発明と引用発明は、「少なくとも１つの接触体を備える」という点において一致する。 (エ) 構成Ｃの観点 ａ 構成Ｃは、「前記複数の応力センサ（１００）は、前記接触体（２００）の検出面（２００ａ）に印加された負荷パターンを検出するように設定され、前記負荷パターンは、前記チップ（１０）内の応力分布を含み、前記複数の応力センサ（１００）は、前記チップ（１０）内の前記応力分布を測定」することである。 ｂ 引用発明では「弾性体３０８上における接触圧力がそのままセンサマトリクス１２０側へ伝えられる」のであるから、「弾性体３０８」には接触圧力が加えられる検出面に相当する部分（以下、便宜のため「引用発明検出面」ということがある。）があることは明らかであり、上記引用発明検出面は、本件補正発明の「前記接触体（２００）の検出面（２００ａ）」に相当する。 また、引用発明において、「２次元的」な「圧力分布」として「測定」される、引用発明検出面に印加される「接触圧力」は、本件補正発明の「前記接触体（２００）の検出面（２００ａ）に印加された負荷パターン」に相当する。 以上を踏まえると、引用発明の「センサマトリクス１２０」を構成する「複数の圧力センサ１００」は、本件補正発明の「前記接触体（２００）の検出面（２００ａ）に印加された負荷パターンを検出するように設定され」る「前記複数の応力センサ（１００）」に相当する。 ｃ 前記(イ)ｂを踏まえると、引用発明の「２次元的」な「圧力分布」は、実質的には「基板４０」内の応力分布であり、本件補正発明の「前記チップ（１０）内の応力分布」に相当する。 そうすると、引用発明の「接触圧力」は、実質的には「基板４０」内の応力分布として測定されるから、本件補正発明の「前記チップ（１０）内の応力分布を含［む］」「負荷パターン」に相当する。 また、引用発明の「複数の圧力センサ１００」は、「基板４０」内の応力分布を測定しているといえる。 ｄ したがって、本件補正発明と引用発明は、「複数の応力センサは、前記接触体の検出面に印加された負荷パターンを検出するように設定され、前記負荷パターンは、前記チップ内の応力分布を含み、前記複数の応力センサは、前記チップ内の前記応力分布を測定」する点で一致する。 (オ) 構成Ｄの観点 ａ 構成Ｄは、「前記チップ（１０）は、分類スキーム（１１１）を含むメモリ（１１０）を備え[る]」ことである。 ｂ 引用発明は、本件補正発明の構成Ｄに相当する構成を備えていないから、本件補正発明と引用発明は、次の点において相違する。 本件補正発明は「前記チップ（１０）は、分類スキーム（１１１）を含むメモリ（１１０）を備え」ているのに対し、引用発明は当該構成を備えていない点。 (カ) 構成Ｅについて ａ 構成Ｅは、「前記分類スキーム（１１１）は、前記検出面（２００ａ）上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキーム（１１１）によって分類されるように、前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てる」ことである。 ｂ 引用発明は、本件補正発明の構成Ｅに相当する構成を備えていないから、本件補正発明と引用発明は、次の点において相違する。 本件補正発明は「前記分類スキーム（１１１）は、前記検出面（２００ａ）上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキーム（１１１）によって分類されるように、前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てる」のに対し、引用発明は分類スキーム自体を備えていない点。 イ 一致点及び相違点 前記アの対比分析の結果をまとめると、本件補正発明と引用発明の一致点及び相違点は、それぞれ次の(ア)及び(イ)に示すとおりである。 (ア) 一致点 「複数の応力センサが配置されたチップと、 少なくとも１つの接触体と、を備え、 前記複数の応力センサは、前記接触体の検出面に印加された負荷パターンを検出するように設定され、前記負荷パターンは、前記チップ内の応力分布を含み、前記複数の応力センサは、前記チップ内の前記応力分布を測定する、 触覚センサ。」である点。 (イ) 相違点 ａ 一応の相違点１（応力センサの配置） 本件補正発明の「チップ（１０）」における「複数の応力センサ（１００）」の配置が「分散配置」であるのに対し、 引用発明の「基板４０」における「複数の圧力センサ１００」の配置が「整列配置」である点。 ｂ 相違点２（分類スキーム） (ａ) 相違点２－１ 本件補正発明は「前記チップ（１０）は、分類スキーム（１１１）を含むメモリ（１１０）を備え」ているのに対し、 引用発明は当該構成を備えていない点 (ｂ) 相違点２－２ 本件補正発明は「前記分類スキーム（１１１）は、前記検出面（２００ａ）上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキーム（１１１）によって分類されるように、前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てる」のに対し、 引用発明は分類スキーム自体を備えていない点。 (４) 判断 ア 一応の相違点１について (ア) 本件補正発明の「チップ（１０）」における「複数の応力センサ（１００）」の配置が「分散配置」であるとの発明特定事項は、令和５年５月１６日に提出された手続補正書による手続補正によって加えられたものである。そして、本願明細書をみても、「応力センサ（１００）」の配置を「分散」させるとの記載はない。この点に関し、前記手続補正書と同日に提出された意見書によれば、補正の根拠は段落【００３１】～【００３４】とされているので、以下抜粋する。下線は当合議体が付与した。 「【００３１】 チップ１０は、複数の応力センサ１００．１、１００．２、１００．３、１００．４から構成される。チップ１０は、３２個の応力センサと、必要な読み出し回路から構成されている。チップは、電源供給とシリアル通信のために、フレキシブルフラットケーブルに接着されている。チップはコンパクトで扱いやすい。 【００３２】 触覚センサ１を形成するために、チップ１０はシリコーン（ＰＤＭＳ）製の接触体２００に埋め込まれる。接触体２００は、指先の形状をしている。チップには追加の電子部品や配線が必要ないという利点がある。 【００３３】 接触体２００、特に検出面２００ａにかかる負荷パターンが接触体を変形させ、チップ１０に応力プロファイルを誘発させる。３２個の応力センサ１００は、チップ領域上に分布しており、チップ内の応力分布を測定することが可能である。応力プロファイルは、負荷パターンの方向及び強さに固有である。 【００３４】 負荷パターンは、物体３００が検出面２００ａに沿って滑ることによって生じる動的触覚力である可能性がある。触覚センサ１は、最大４００Ｈｚの振動を測定することが可能であり、このような負荷パターンを検出するために極めて重要である。従って、触覚センサ１は、十分な帯域幅を保証するために、少なくとも９６０Ｈｚのサンプルレートを有する。チップ全体の応力分布を測定するため、３２個の応力センサをすべて読み取ることになり、サンプルレートは３０Ｈｚに低下する。応力センサはシリアルに読み取られるため、振動はやはり９６０Ｈｚでサンプリングされる。従って、応力センサ１００毎のサンプルレートは、触覚センサ１ 毎のサンプルレートをチップ１０毎の応力センサ１００の数で割ったものに相当する。」 これら本願明細書の記載をみても、配置が「分散」していることについては特段記載が認められないところ、段落【００３３】の「接触体２００、特に検出面２００ａにかかる負荷パターンが接触体を変形させ、チップ１０に応力プロファイルを誘発させる。３２個の応力センサ１００は、チップ領域上に分布しており、チップ内の応力分布を測定することが可能である。応力プロファイルは、負荷パターンの方向及び強さに固有である。」との記載からみて、「複数の応力センサ（１００）が分散配置されたチップ（１０）」とは、チップ内の応力分布を測定できる程度の範囲で複数の応力センサが配置されていることを意味するものであり、かつそれで足りるものと解される。 一方、引用発明の「複数の圧力センサ１００」もまた「基板４０」の応力分布を測定していることは上記(３)ア(イ)ｂで検討したとおりであるから、「分散」に係る上記解釈を踏まえると、引用発明の「複数の圧力センサ１００」もまた、「基板４０」上に、本件補正発明にいうところの「分散配置」がされているものということができる。 してみれば、この点は実質的な相違点ではない。 (イ) この点が仮に相違点であったとしても、引用発明において複数の圧力センサが配置されているのは、「精密作業ロボット等の触圧センサや触覚センサとして用いるための」「圧力分布検出装置」において、印加圧力分布を測定するためであるから、必要とされる圧力分布の分解能等に応じて、複数の圧力センサの配置をどのようなものとするかは、当業者が適宜設計できたものと認められる。してみれば、引用発明において複数の「圧力センサ１００」の配置を分散されたものとし、上記相違点１に係る本件補正発明の構成とすることは、当業者が適宜なし得た設計的な事項である。 イ 相違点２について 相違点２－１、２－２についてまとめて検討する。 (ア) 「分類スキーム」について ａ 本件補正発明の「分類スキーム」とは、本願の明細書の段落【００１１】及び【００１２】等の記載を参酌すると、要するに、複数の応力センサの出力値をまとめて（セットとして）入力すると、触覚センサの接触体の検出面における印加された力の分布状態が類型化されて（クラスに割り当てられて）出力されるような所定の機械学習アルゴリズムであると解するのが相当である。 ｂ 上記(２)イ(イ)において認定した引用文献１技術事項を踏まえると、次の技術事項は当業者にとって公知であったといえる。 「触覚センサから出力された複数の測定データを用いて予め機械学習が行われた学習器において、触覚センサを用いて得た測定対象物の測定データを学習器に入力すると、分類問題を扱うのに適したアルゴリズムにより、測定対象物に対応する情報が類型化されて出力されること。」 ｃ ここで、引用文献１技術事項は、触覚センサに関する技術分野に属しているから、触覚センサとして用いられる圧力分布検出装置の発明である引用発明と技術分野が関連しているものといえる。また、データを分析する際に機械学習を用いてデータ分析の高速化、精密化を試みることは、一般的な手法である。してみれば、引用発明においても、機械学習を用いた引用文献１技術事項を適用する動機があるといえる。 ｄ そうすると、引用発明において、引用文献１技術事項に係る前記ｂの公知の技術事項に倣って、センサマトリクス１２０により測定された２次元的な圧力分布のデータが予め機械学習が行われた学習器に入力され、分類問題を扱うのに適したアルゴリズムにより、測定対象物に対応する情報が類型化されて出力されるように構成することは、当業者が容易に想到し得たことであり、これにより、前記相違点２－２に係る「複数の応力センサの出力値のセット」を「予め定義された」「複数」の「クラスの何れかに割り当てる」という構成が導出されることになる。 (イ) 「負荷パターンのクラス」について そして、上記(２)ウ(オ)において周知技術１として認定したように、「圧力分布を測定可能なセンサの測定結果に基づき、印加される力の分布状態を分類すること」が周知技術であることを踏まえると、引用発明に引用文献１技術事項を適用する際に、上記「測定対象物に対応する情報」として、測定対象物から引用発明検出面に印加される力の分布状態に着目して類型化することにより、「予め定義された複数のクラス」を「複数の負荷パターンのクラス」として構成することは当業者にとって自明の設計事項にすぎない。 (ウ) 「静的触覚力及び動的触覚力から生じる負荷パターン」について ａ 引用発明は、「精密作業ロボット等の触圧センサや触覚センサとして用いるため」のものであり、高精度に２次元的な圧力分布を測定する必要があるから、「ゴム弾性体３０８」に加わる力のうち、できるだけ多くの属性の力を測定することが要請されているといえる。 ｂ また、引用発明は、「センサ走査手段２００によりセンサマトリクス１２０を繰返して連続的に走査した場合には、その圧力分布の動的変化をリアルタイムで測定することが可能とな［る］」から、「ゴム弾性体３０８」に加わる力として、静的な接触状態のみならず動的な接触状態における「接触圧力」も想定されていることは自明である。 そして、ここでいう静的な接触状態における「接触圧力」は、本件補正発明にいう「静的触覚力」（検出面に作用する一定の力）に相当する概念であり、動的な接触状態における「接触圧力」は、本件補正発明にいう「動的触覚力」（検出面に作用する力であって変化する力）に相当する概念である（本願の明細書の段落【０００７】及び【０００８】の記載を参照）。 ｃ ここで、上記(２)ウ(カ)において技術常識１として認定したとおり、「圧力分布の変化に基づいて、静的な接触状態と動的な接触状態をともに検知できること」は技術常識である。 そうすると、引用発明に接した当業者は当然に、「動的触覚力」から生じる負荷パターンも、「静的触覚力」から生じる負荷パターンもともに測定できることを直ちに理解できる。 ｄ 上記ｃの理解を踏まえると、引用発明において引用文献１技術事項を適用するに際して、「引用発明検出面」上の静的触覚力（静的接触圧力）及び動的触覚力（動的接触圧力）から生じる２次元的な圧力分布が「同じ分類スキームによって分類されるように」構成することは、当業者にとって自明な設計事項にすぎない。 (エ) 「メモリ」について 例えば、引用文献１技術事項の「識別装置８」において、「プログラムモジュール」である「学習済みモデル２０１」が記憶された「記憶装置２００」があるように、機械学習を行わせるのであれば、データやプログラムを保存するための「メモリ」は当然に備えることとなるから、前記相違点２－１に係る構成は格別のものではない。 (オ) 相違点２の検討のまとめ してみれば、引用発明において、相違点２に係る本件補正発明の構成とすることは、当業者が容易に想到できたことである。 ウ 総合評価 前記ア及びイにおいて検討したとおり、引用発明において、前記相違点に係る本件補正発明の構成を備えるようにすることは、引用発明、引用文献１技術事項、技術常識１及び周知技術１に基づいて当業者が容易に想到し得たことである。 そして、相違点１、２を総合的に勘案しても、本件補正発明が奏する効果としては、当該構成のものとして当業者が予測・発見困難であり、かつ、格別顕著な効果を認めることはできない。 したがって、本件補正発明は、引用発明、引用文献１技術事項、技術常識１及び周知技術１に基づいて当業者が容易に発明をすることができたものである。 エ 請求人の主張について 請求人は、審判請求書において、概略、以下の(ア)～(ウ)の各ａに示す主張１～３を主張している。これらの主張に対する当合議体の判断については各ｂに示すとおりである。 (ア) 請求人の主張１について ａ 請求人の主張１の内容 ＜動機付け＞ 引用文献４では、複数の半導体圧力センサ１００により測定された測定データを分類することについて、何ら記載されておらず、分類に必要となる分類スキームを記憶するメモリに関して全く記載されていないため、測定データを分類することについて記載された引用文献１、１１と引用文献４とを組み合わせることの動機付けはない。 ＜技術分野＞ 引用文献４では、表面の広い領域における測定が複数の半導体圧力センサ１００により行われるのに対し、引用文献１では、表面の１点のみにおいて測定が行われることになるから、引用発明（引用文献４）は引用文献１技術事項と技術分野が異なり、組み合わせることを容易に想到できない。 ｂ 請求人の主張１についての検討 引用発明と引用文献１技術事項とは「接触センサ」に関する関連した技術分野に属することや、引用文献１技術事項を引用発明に適用する動機があることは、上記イ(ア)ｃにおいて説示したとおりである。 また、引用文献１技術事項においては、表面の１点のみにおいて測定が行われるとしても、機械学習の入力データとしては、複数の種類の情報（「測定対象物の表面位置（表面の位置座標）に対する、凹凸量、微小領域摩擦力、平均摩擦力、および測定対象物への触覚センサ１の押し当て力」という「４つの情報」）を想定して、分類問題を扱うのに適したアルゴリズムを実行しているのであるから、複数の測定データが得られる引用発明に適用する余地はあるというべきである。 したがって、上記請求人の主張１は採用することができない。 (イ) 請求人の主張２について ａ 請求人の主張２の内容 引用発明（引用文献４）、引用文献１技術事項、引用文献１１の何れにも、検出面上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキームによって分類されるように、前記複数の応力センサの出力値のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てること、すなわち前記相違点２－２の構成について開示されていない。 ｂ 請求人の主張２についての検討 技術常識１及び周知技術１を考慮しつつ、引用発明に引用文献１技術事項を適用すれば、相違点２－２に係る本件補正発明の構成に至ることは、上記イにおいて検討したとおりである。 したがって、上記請求人の主張２は採用することができない。 (ウ) 請求人の主張３について ａ 請求人の主張３の内容 引用文献１、１１の何れにも、測定データが静的触覚力と動的触覚力とを含み、両者を分類する必要があることについて、記載されていない。 ｂ 請求人の主張３についての検討 本件補正発明における「分類スキーム（１１１）」は、上記３(１)アにおいて構成Ｅとして認定したように、「前記検出面（２００ａ）上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキーム（１１１）によって分類されるように、前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てる」というものであって、負荷パターンが「静的触覚力及び動的触覚力から生じる」ことは特定されているものの、「静的触覚力及び動的触覚力から生じる前記負荷パターン」をそれぞれ区別して分類することまでは特定されていない。すなわち、請求人の主張３は請求項１の記載に基づかないものである。 また仮に、請求人の主張３に沿って、本件補正発明が「静的触覚力及び動的触覚力から生じる前記負荷パターン」をそれぞれ区別して分類するものであるとして検討しても、そのような構成とすることは、例えば引用文献１２にも記載されており（段落【０００７】の「滑りに至らない柔軟構造の変形」と判定された場合は「静的触覚力から生じる負荷パターン」が検出され、「滑りの発生」と判定された場合は「動的触覚力から生じる負荷パターン」が検出されることとなる。）、当業者が適宜なし得たものともいえる。 したがって、上記請求人の主張３はいずれにしても採用することができない。 オ 独立特許要件の判断のまとめ 以上検討のとおり、本件補正発明は、引用発明、引用文献１技術事項、技術常識１及び周知技術１に基づいて当業者が容易に発明をすることができたものであるから、特許法２９条２項の規定により、特許出願の際独立して特許を受けることができないものである。 したがって、本件補正により請求項１についてする補正は、特許法１７条の２第６項において準用する同法１２６条７項の規定に適合しない。 ４ 本件補正の却下の決定の理由のむすび 前記３(４)オのとおり、本件補正は、同法１７条の２第６項において準用する同法１２６条７項の規定に違反するから、同法１５９条１項において読み替えて準用する同法５３条１項の規定により却下すべきものである。 よって、前記補正の却下の決定の結論のとおり決定する。 第３ 本願発明について １ 本願発明について 本件補正は、前記第２のとおり却下したので、本願の請求項１に係る発明（以下「本願発明」という。）は、本件補正前の特許請求の範囲の請求項１（前記第２の１(１)参照）に記載された事項により特定されるとおりのものである。 ２ 原査定における拒絶の理由の概要 原査定の本願発明に対する拒絶の理由（進歩性の欠如）の概要は、次のとおりである。 理由２（進歩性の欠如） 本願発明は、優先日前に発行された下記の引用文献に記載された発明に基づいて、優先日前にその発明の属する技術の分野における通常の知識を有する者が容易に発明をすることができたものであるから、特許法２９条２項の規定により特許を受けることができない。 記 引用文献４．特開昭６２－０７６７８５号公報（主たる引用文献） 引用文献１．特開２０１８－１１６０５４号公報 引用文献１１．特開２００５－００３６７０号公報（周知技術を示す文献） ３ 各引用文献に記載された事項及び引用発明の認定等 引用文献４、引用文献１及び引用文献１１に記載された事項は、それぞれ前記第２の３(２)ア(ア)、イ(ア)及びウ(ア)において示したとおりである。 また、引用発明、引用文献１技術事項、技術常識１及び周知技術１は、それぞれ前記第２の３(２)ア(イ)、イ(イ)、ウ(カ)及びウ(オ)において認定したとおりである。 ４ 対比・判断 本願発明は、前記第２の２において検討したとおり、本件補正発明から、「前記複数の応力センサ（１００）の出力値（１０１）のセットを、予め定義された複数の負荷パターンのクラスの何れかに割り当てる」「分類スキーム（１１１）」について、「前記検出面（２００ａ）上の静的触覚力及び動的触覚力から生じる前記負荷パターンが、同じ前記分類スキーム（１１１）によって分類されるように」割り当てるとの限定を省いたものである。 そうすると、本願発明の発明特定事項を全て含み、その発明特定事項の一部を限定したものに相当する本件補正発明が、前記第２の３(４)において説示したとおり、引用発明、引用文献１技術事項、技術常識１及び周知技術１に基づいて当業者が容易に発明をすることができたものであるから、本願発明も、同様の理由により引用発明、引用文献１技術事項、技術常識１及び周知技術１に基づいて当業者が容易に発明をすることができたものである。 第４ むすび 以上検討のとおり、本願発明は、特許法２９条２項の規定により、特許を受けることができない。 したがって、他の請求項に係る発明について検討するまでもなく、本願は拒絶すべきものである。 よって、結論のとおり審決する。