2024-701031

特許第７４７２０３４号発明「ショベル、ショベル支援システム」の特許異議申立事件について、次のとおり決定する。

結 論 特許第７４７２０３４号の特許請求の範囲を訂正請求書に添付された訂正特許請求の範囲のとおり、訂正後の請求項〔１－８〕、〔９－１２〕について訂正することを認める。 特許第７４７２０３４号の請求項１～４、６～１２に係る特許を維持する。 特許第７４７２０３４号の請求項５に係る異議申立を却下する。

理 由 第１ 手続の経緯 特許第７４７２０３４号（以下、「本件特許」という。）の請求項１～１２に係る特許についての出願は、令和元年１０月３１日（優先権主張 平成３０年１０月３１日）を国際出願日とする日本語特許出願であり、令和６年４月１２日にその特許権の設定登録がされ、同月２２日に特許掲載公報が発行され、その後、同年１０月１８日に特許異議申立人佐藤公美（以下、「申立人Ａ」という。）により、また、同月２２日に特許異議申立人野村恭子（以下、「申立人Ｂ」という。）により、その請求項１～１２に係る特許に対し、特許異議の申立てがされた。 その後の経緯は、次のとおりである。 令和７年 ２月 ７日付け：取消理由通知書 同年 ４月１４日 ：特許権者による意見書及び訂正請求書の提出 同月２２日付け：手続補正指令書（方式） 同年 ５月２６日 ：手続補正書（方式）の提出 同年 ８月２２日 ：申立人Ａによる意見書（以下、「意見書Ａ」 という。）の提出 令和８年 １月 ５日付け：訂正拒絶理由通知書 同年 ２月 ９日 ：特許権者による意見書の提出 なお、令和７年５月２６日提出の手続補正書（方式）により補正された同年４月１４日提出の訂正請求書について、申立人Ｂに対して、期間を指定して意見書を提出する機会を与えたが、申立人Ｂからは応答がなかった。 第２ 訂正の適否 １ 訂正請求の趣旨と訂正の内容 令和７年５月２６日提出の手続補正書（方式）により補正された同年４月１４日に提出された訂正請求書（以下、「訂正請求書」という。）による訂正請求（以下、「本件訂正請求」といい、本件訂正請求による訂正を「本件訂正」という。）は、特許第７４７２０３４号の特許請求の範囲を、本件訂正請求書に添付した訂正特許請求の範囲のとおり、訂正後の請求項１～１２について訂正することを求めるものであって、その訂正の内容は以下のとおりである。（下線は訂正箇所を示す。） （１）請求項１～８に係る訂正 ア 訂正事項１ 特許請求の範囲の請求項１について、 「ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、を備え、 前記学習済みモデルは、取得された作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され、 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 自ショベルを含む複数のショベルは、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定を行い、 前記複数のショベルのそれぞれが有する前記学習済みモデルは、前記追加学習済みモデルに更新される、 ショベル。」との記載を、 「ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、 記憶部と、 前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、を備え、 前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され、 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 自ショベルを含む複数のショベルは、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定を行い、 前記複数のショベルのそれぞれが有する前記学習済みモデルは、前記追加学習済みモデルに更新される、 ショベル。」に訂正する。 （請求項１の記載を引用する訂正後の請求項３、４、６～８についても同様に訂正する。） イ 訂正事項２ 特許請求の範囲の請求項２について、 「ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、を備え、 前記学習済みモデルは、取得された作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され、 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 前記学習済みモデルは、複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される、 ショベル。」との記載を、 「ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、 記憶部と、 前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、を備え、 前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され、 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 前記学習済みモデルは、複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される、 ショベル。」に訂正する。 （請求項２の記載を引用する請求項訂正後の３、４、６～８についても同様に訂正する。） ウ 訂正事項３ 特許請求の範囲の請求項５を削除する。 エ 訂正事項４ 特許請求の範囲の請求項６について、 「記録部を更に備え、 前記判定部は、自ショベルの周囲の物体の検出に関する前記判定を行い、 前記記録部は、前記判定部が自ショベルの周囲の物体を検出したと判定したときに、前記環境情報取得部により取得される環境情報を記録し、 前記学習済みモデルは、前記記録部により記録された環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される、 請求項１又は２に記載のショベル。」との記載を、 「前記判定部は、自ショベルの周囲の物体の検出に関する前記判定を行い、 前記記録部は、前記判定部が自ショベルの周囲の物体を検出したと判定したときに、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 前記学習済みモデルは、前記記録部により前記記憶部に記録された環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される、 請求項１又は２に記載のショベル。」に訂正する。 オ 一群の請求項についての説明 訂正前の請求項１～８について、請求項３～８は、直接に引用する請求項１の記載を訂正する訂正事項１によって連動して訂正されるとともに、直接に引用する請求項２の記載を訂正する訂正事項２によって連動して訂正されるから、請求項１、３～８、及び、請求項２～８は、それぞれ「一群の請求項」である。そして、２つの「一群の請求項」は、請求項３～８を共通して有しているから、組み合わされて、一つの「一群の請求項１～８」となる。 したがって、本件訂正のうち訂正事項１～４に係る訂正は、一群の請求項１～８についてするものである。 （２）請求項９～１２に係る訂正 ア 訂正事項５ 特許請求の範囲の請求項９について、 「第１のショベルと、第２のショベルと、前記第１のショベル及び前記第２のショベルと通信可能な外部装置と、を含むショベル支援システムであって、 前記第１のショベルに設けられ、前記第１のショベルの周囲の環境情報を取得する第１の環境情報取得部と、 前記第１のショベルに設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１のショベルの周囲の物体に関する判定を行う判定部と、 前記第２のショベルに設けられ、前記第２のショベルの周囲の環境情報を取得する第２の環境情報取得部と、 前記第２のショベルに設けられ、前記第２の環境情報取得部により取得される環境情報を記録する記録部と、 前記第２のショベルに設けられ、前記記録部により記録される環境情報を前記外部装置に送信する環境情報送信部と、 前記外部装置に設けられ、前記第２のショベルから受信される、前記第２のショベルで取得された環境情報に基づき、教師情報を生成する教師情報生成部と、 前記外部装置に設けられ、前記教師情報生成部により生成された教師情報に基づき、前記第１のショベルで前記判定に用いられている前記学習済みモデルと同一の学習済みモデルに追加学習を行わせ、追加学習済みモデルを生成する学習部と、 前記外部装置に設けられ、前記学習部により追加学習が行われた前記追加学習済みモデルを前記第１のショベルに送信するモデル送信部と、を備え、 前記学習済みモデルは、前記第１のショベルにおいて、前記外部装置から受信される前記追加学習済みモデルに更新され、 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記判定を行う、 ショベル支援システム。」の記載を 「第１のショベルと、第２のショベルと、前記第１のショベル及び前記第２のショベルと通信可能な外部装置と、を含むショベル支援システムであって、 前記第１のショベルに設けられ、前記第１のショベルの周囲の環境情報を取得する第１の環境情報取得部と、 前記第１のショベルに設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１のショベルの周囲の物体に関する判定を行う判定部と、 前記第２のショベルに設けられ、前記第２のショベルの周囲の環境情報を取得する第２の環境情報取得部と、 前記第２のショベルに設けられる記憶部と、 前記第２のショベルに設けられ、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、 前記第２のショベルに設けられ、前記記録部により前記記憶部に記録される環境情報を前記外部装置に送信する環境情報送信部と、 前記外部装置に設けられ、前記第２のショベルから受信される、前記第２のショベルで取得され前記記憶部に記録された環境情報に基づき、教師情報を生成する教師情報生成部と、 前記外部装置に設けられ、前記教師情報生成部により生成された教師情報に基づき、前記第１のショベルで前記判定に用いられている前記学習済みモデルと同一の学習済みモデルに追加学習を行わせ、追加学習済みモデルを生成する学習部と、 前記外部装置に設けられ、前記学習部により追加学習が行われた前記追加学習済みモデルを前記第１のショベルに送信するモデル送信部と、を備え、 前記記録部は、前記第２のショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録し、 前記学習済みモデルは、前記第１のショベルにおいて、前記外部装置から受信される前記追加学習済みモデルに更新され、 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記判定を行う、 ショベル支援システム。」に訂正する。 （請求項９の記載を引用する訂正後の請求項１０～１２についても同様に訂正する。） イ 一群の請求項についての説明 訂正前の請求項９～１２について、請求項１０～１２は、直接に引用する請求項９の記載を訂正する訂正事項５によって連動して訂正されるから、請求項９～１２は、「一群の請求項」である。 したがって、本件訂正のうち訂正事項５に係る訂正は、一群の請求項９～１２についてするものである。 ２ 訂正の目的の適否、特許請求の範囲の拡張・変更の存否、新規事項の有無、訂正の単位、及び独立特許要件について （１）本件明細書等 特許第７４７２０３４号の明細書を、以下、「本件明細書」といい、特許請求の範囲及び図面と併せて、「本件明細書等」という。 本件明細書等には、以下の記載及び図示がある。 ア「【００２９】 ＜ショベルの構成＞ ショベル１００は、油圧システムに関する構成として、上述の如く、走行油圧モータ２Ｍ（２ＭＬ，２ＭＲ）、旋回油圧モータ２Ａ、ブームシリンダ７、アームシリンダ８、及びバケットシリンダ９等の油圧アクチュエータを含む。また、ショベル１００は、油圧システムに関する構成として、エンジン１１と、操作装置２６とを含む。また、ショベル１００は、制御システムに関する構成として、コントローラ３０と、記録装置３２と、判定装置３４と、表示装置４０と、撮像装置７０と、向き検出装置８５と、通信機器９０と、ブーム角度センサＳ１と、アーム角度センサＳ２と、バケット角度センサＳ３と、機体傾斜センサＳ４と、旋回状態センサＳ５とを含む。 ・・・ 【００３８】 記録装置３２は、撮像装置７０の撮像画像を所定のタイミングで記録する。記録装置３２は、任意のハードウェア、或いは、任意のハードウェア及びソフトウェアの組み合わせにより実現されてよい。例えば、記録装置３２は、コントローラ３０と同様のコンピュータを中心に構成されてよい。記録装置３２は、例えば、補助記憶装置等にインストールされる一以上のプログラムをＣＰＵ上で実行することにより実現される機能部として、記録制御部３２２を含む。また、記録装置３２は、例えば、補助記憶装置等の内部メモリに規定される記憶領域としての記憶部３２４を含む。」 イ「【００４２】 撮像装置７０（環境情報取得部の一例）は、ショベル１００の周囲の様子を撮像し、撮像画像（環境情報の一例）を出力する。撮像装置７０は、前方カメラ７０Ｆと、後方カメラ７０Ｂと、左方カメラ７０Ｌと、右方カメラ７０Ｒとを含む。撮像装置７０（前方カメラ７０Ｆ、後方カメラ７０Ｂ、左方カメラ７０Ｌ、及び右方カメラ７０Ｒのそれぞれ）による撮像画像は、判定装置３４に取り込まれる。 ・・・ 【００６１】 記録制御部３２２（記録部の一例）は、所定のタイミング（以下、「記録タイミング」）で、撮像装置７０（前方カメラ７０Ｆ、後方カメラ７０Ｂ、左方カメラ７０Ｌ、及び右方カメラ７０Ｒ）の撮像画像を記憶部３２４に記録する。これにより、記憶部３２４の容量が限られるところ、必要なタイミングを予め規定して、撮像装置７０の撮像画像を記憶部３２４に記録することができる。また、後述の如く、記憶部３２４の撮像画像が管理装置２００に送信される際の送信容量を抑制し、通信コストを抑制することができる。具体的には、記録制御部３２２は、例えば、記録タイミングになると、過去の分を含め、ＲＡＭ等に規定されるリングバッファ内の撮像画像の中の当該記録タイミングに対応する撮像画像を取得し、記憶部３２４に記録する。 【００６２】 記録タイミングは、例えば、予め規定される周期的なタイミングであってよい。また、記録タイミングは、撮像装置７０の撮像画像に基づく判定装置３４（判定部３４４）によるショベル１００の周囲の物体に関する判定の際に誤判定が生じ易いショベル１００の状態が生じたときであってよい。具体的には、記録タイミングは、ショベル１００の走行時や旋回時であってよい。また、記録タイミングは、判定部３４４がショベル１００の周囲の監視領域で物体を検出したと判定したときであってもよい。また、記録タイミングは、コントローラＯＮで開始してもよく、ゲートロックレバー解除で開始してもよく、操作レバーＯＮで開始してもよい。以下、後述する図７、図８のショベル支援システムＳＹＳ（ショベル１００）場合についても同様である。 【００６３】 尚、図３では、判定部３４４の判定結果が記録装置３２（記録制御部３２２）に入力されるが、記録タイミングが判定部３４４の判定結果に依らず規定されている場合、判定部３４４の判定結果は、記録装置３２に入力されなくてもよい。後述する図８の場合についても同様である。 【００６４】 記憶部３２４には、ショベル１００の起動後の初期処理の完了後からショベル１００の停止までの間において、記録制御部３２２による制御下で、上述の如く、撮像画像ＩＭ１が記録される。記憶部３２４に記録された一又は複数の撮像画像ＩＭ１は、所定のタイミング（以下、「画像送信タイミング」）で、通信機器９０（環境情報送信部の一例）を通じて、管理装置２００に送信される。」 ウ「【０１０８】 教師データ生成部２１０２（教師情報生成部の一例）は、複数のショベル１００から受信された複数の撮像画像ＩＭ１に基づき、学習部２１０３が学習モデルを機械学習させるための教師データ（教師情報の一例）を生成する。教師データは、任意の撮像画像ＩＭ１と、当該撮像画像ＩＭ１を学習モデルの入力としたときの学習モデルが出力すべき正解との組み合わせを表す。また、学習モデルは、機械学習の対象であり、当然の如く、学習済みモデルＬＭと同様の構成、例えば、上述のニューラルネットワーク４０１を中心として構成される。」 エ【図３】 「 ［図：0001439177000001.jpg］ 」 （２）請求項１～８に係る訂正について ア 訂正事項１ （ア）訂正の目的の適否について 訂正事項１に係る訂正は、訂正前の請求項１に係る発明の「ショベル」において、「記憶部」及び「前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部」を新たに備え、前記「記憶部」と前記「記録部」について、「前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録」することを特定し、「教師情報」を「生成」するもととなる「作業現場の環境情報」について、訂正前の「取得された」との記載から、訂正後の「前記記録部により前記記憶部に記録された、」との記載に、具体的に限定し特定したものである。 したがって、訂正事項１に係る訂正は、特許法第１２０条の５第２項ただし書き第１号に規定する特許請求の範囲の減縮を目的としたものである。 （イ）特許請求の範囲の拡張・変更の存否について 訂正事項１に係る訂正は、上記（ア）において検討したとおり、訂正前の請求項１に係る発明について限定を行うものであり、発明のカテゴリーや対象又は目的を変更するものではないから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第６項の規定に適合する。 （ウ）新規事項の有無について a 本件特許明細書の段落【００２９】及び【００３８】から、ショベルが、「記憶部」及び「記録部」を備えていることは明らかであり、段落【００４２】及び【００６１】から、「記録部」が、「前記環境情報取得部により取得される環境情報を前記記憶部に記録する」ものであることは明らかである。 ｂ 本件特許明細書の段落【００６１】において、「記録タイミング」とは、「撮像装置７０の撮像画像を記憶部３２４に記録する」タイミングであることが示され、また、段落【００６２】おいて、「記録タイミング」として「撮像装置７０の撮像画像に基づく判定装置３４（判定部３４４）によるショベル１００の周囲の物体に関する判定の際に誤判定が生じ易いショベル１００の状態が生じたとき」が示されるとともに、その具体例として、「記録タイミングは、ショベル１００の走行時や旋回時」が示されている。 これらの記載から、上記具体例における記録タイミングとは、単に走行時又は旋回時に環境情報を記録しているということではなく、ショベル１００の全状態のうち、誤判定が生じ易いショベル１００の状態が生じたとき（誤判定が生じにくいショベル１００の状態とは区別された状態が生じたとき）、すなわち、誤判定が生じやすいときである、走行時又は旋回時となったときに、撮像装置７０の撮像画像を記憶部３２４に記録することを意味しているものと理解できる。 さらに、本件特許明細書の段落【００６２】には、「記録タイミングは、判定部３４４がショベル１００の周囲の監視領域で物体を検出したと判定したときであってもよい。」とも記載されていることから、「記録タイミング」が、「判定」に基づいてよいことも示されている。 上記記載をふまえると、「走行時」である「記録タイミング」について、誤判定が生じにくいショベル１００の状態とは区別された状態である走行の状態であると判定されるとき、すなわち、走行動作が行われたことを表す条件が成立したときであることが導出される。また、同様に「旋回時」である「記録タイミング」について、旋回動作が行われたことを表す条件が成立したときであることが導出される。 したがって、本件特許明細書に記載された全ての事項を総合することにより、「前記記録部」が「前記環境情報取得部により取得される環境情報を前記記憶部に記録」するタイミングについて、「自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立」するときであることが導出される。 ｃ 本件特許明細書の段落【００６４】には、「記憶部３２４」に「一又は複数の撮像画像ＩＭ１」が記録されるとともに、「通信機器９０（環境情報送信部の一例）を通じて、管理装置２００に送信される」ことが示されている。なお、「撮像画像ＩＭ１」が、「作業現場の環境情報」に該当することは明らかである。 また、段落【０１０８】には、「複数のショベル１００から受信された複数の撮像画像ＩＭ１に基づき」、「教師データ（教師情報の一例）を生成する」ことが記載されている。 そうすると、本件特許明細書には、教師情報を生成する際に、生成の元となる「作業現場の環境情報」が、「前記記録部により前記記憶部に記録された」ものであることが示されている。 ｄ 小括 以上のとおりであるから、訂正事項１に係る訂正は、本件明細書等に記載された全ての事項を総合することにより導出される技術的事項に対して、新たな技術的事項を追加するものではない。 したがって、訂正事項１に係る訂正は、本件明細書等に記載した事項に範囲内においてするものであるから、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第５項の規定に適合する。 （エ）訂正事項１についてのまとめ 以上のとおりであるから、訂正事項１に係る訂正は、特許法第１２０条の５第２項ただし書き第１号に規定する特許請求の範囲の減縮を目的としたものであり、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第５項及び第６項の規定に適合する。 イ 訂正事項２について 訂正事項２に係る訂正は、訂正事項１に係る訂正と同様に、請求項２について訂正するものであるから、特許法第１２０条の５第２項ただし書き第１号に規定する特許請求の範囲の減縮を目的としたものであり、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第５項及び第６項の規定に適合する。 ウ 訂正事項３について 訂正事項３に係る訂正は、訂正前の請求項５を削除する訂正であるから、特許請求の範囲の減縮を目的とするものであって、実質上特許請求の範囲を拡張し、又は変更するものではなく、本件明細書等に記載した事項の範囲内においてしたものであることは明らかである。 よって、訂正事項３に係る訂正は、特許法第１２０条の５第２項ただし書き第１号に規定する特許請求の範囲の減縮を目的としたものであり、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第５項及び第６項の規定に適合する。 エ 訂正事項４について （ア）訂正の目的 訂正事項４に係る訂正は、訂正前の請求項６の「前記環境情報取得部により取得される環境情報」について、記録される部位を特定していないものから、訂正後の請求項６において「前記記憶部」に限定し特定するものである。 また、訂正事項４に係る訂正は、訂正前の請求項６の冒頭部分、すなわち、「記録部を更に備え、」との記載を削除していることを含むが、当該削除は、訂正事項１に係る訂正により、訂正後の請求項６が引用する請求項１において、「記録部」を備えることが追加されたことと、整合を図るものであり、明瞭でない記載の釈明を目的とするものと認められる。 したがって、訂正事項４に係る訂正は、特許法第１２０条の５第２項ただし書き第１号及び第３号に規定する特許請求の範囲の減縮及び明瞭でない記載の釈明を目的としたものである。 （イ）特許請求の範囲の拡張・変更の存否について 訂正事項４に係る訂正は、上記（ア）において検討したとおり、訂正前の請求項１に係る発明について限定を行うとともに、訂正後の請求項６が引用する請求項１の記載との整合を図るものであり、発明のカテゴリーや対象又は目的を変更するものではないから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第６項の規定に適合する。 （ウ）新規事項の有無について 本件特許明細書の段落【００４２】及び【００６１】から、「環境情報」が「前記記憶部」に記録されることは、明らかである。 よって、訂正事項４に係る訂正は、本件明細書等に記載された全ての事項に対して、新たな技術的事項を追加するものではない。 したがって、訂正事項４に係る訂正は、本件明細書等に記載した事項に範囲内においてするものであるから、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第５項の規定に適合する。 （３）請求項９～１２に係る訂正について ア 訂正事項５ （ア）訂正の目的 訂正事項５に係る訂正は、訂正前の請求項９に係る発明の「ショベル支援システム」において、「前記第２のショベルに設けられる記憶部」を新たに備え、 訂正前の請求項９において、「前記第２の環境情報取得部により取得される環境情報」について、記録される部位を特定していないものから、訂正後の請求項９において「前記記憶部」に限定し特定するものであり、 訂正前の請求項９において、「教師情報を生成する」際に基づく「環境情報」について、記録される部位を特定していないものから、訂正後の請求項９において「前記記憶部に記憶された」ものに限定し特定するものであり、 訂正前の請求項９において、「前記記憶部」が「記録」するタイミングについて特定していないものから、「前記記録部は、前記第２のショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録し」と限定し、特定するものである。 したがって、訂正事項５に係る訂正は、特許法第１２０条の５第２項ただし書き第１号に規定する特許請求の範囲の減縮を目的としたものである。 （イ）特許請求の範囲の拡張・変更の存否について 訂正事項５に係る訂正は、上記（ア）において検討したとおり、訂正前の請求項９に係る発明について限定を行うものであり、発明のカテゴリーや対象又は目的を変更するものではないから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第６項の規定に適合する。 （ウ）新規事項の有無について a 本件特許明細書の段落【００２９】及び【００３８】から、ショベルが、「記憶部」を備えていることは明らかであり、本件特許明細書の段落【００４２】及び【００６１】から、「環境情報」が「前記記憶部」に記録されることは、明らかである。 ｂ 本件特許明細書の段落【００６４】には、「記憶部３２４」に「一又は複数の撮像画像ＩＭ１」が記録されるとともに、「通信機器９０（環境情報送信部の一例）を通じて、管理装置２００に送信される」ことが示されている。 また、段落【０１０８】には、「複数のショベル１００から受信された複数の撮像画像ＩＭ１に基づき」、「教師データ（教師情報の一例）を生成する」ことが記載されている。 そうすると、教師情報を生成する際に基づく「環境情報」が、「前記記録部により前記記憶部に記録された」ものであることが示されている。 ｃ 上記（２）ア（ウ）ｂと同様に、本件特許明細書に記載された全ての事項を総合することにより、「前記記録部」が「前記環境情報取得部により取得される環境情報を前記記憶部に記録」するタイミングについて、「自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立」するときであることが導出される。 ｄ 請求項９に係る限定事項が、第２ショベルに係る事項であるところ、本件特許明細書の段落【０１５８】、【０１６３】には、「教師データの元になる周囲の撮像画像を取得するショベル１００（第２のショベルの一例）」等と記載されていることから、ショベルのうち、「第２ショベル」について、上記限定することが記載されているといえる。 ｅ 小括 以上のとおりであるから、訂正事項５に係る訂正は、本件明細書等に記載された全ての事項を総合することにより導出される技術的事項に対して、新たな技術的事項を追加するものではない。 したがって、訂正事項５に係る訂正は、本件明細書等に記載した事項に範囲内においてするものであるから、特許法第１２０条の５第９項で読み替えて準用する同法第１２６条第５項の規定に適合する。 （４）申立人Ａの主張について ア 申立人Ａの主張 申立人Ａは、令和７年８月２２日付意見書において、以下の点を主張している。 「前記記録部は、自ショベル（本件請求項９では前記第２のショベル）の旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部（本件請求項９では前記第２の環境情報取得部）により取得される環境情報を前記記憶部に記録」するという事項は、本件明細書等には記載も示唆もされていない。 すなわち、本件明細書では、記録タイミングが走行時または旋回時であってよいことが記載されているに過ぎないのに対し、本件訂正後の請求項１，２，９では、実際に走行動作または旋回動作が行われているときではなく、「自ショベル(または第２のショベル)の旋回動作が行われたこと又は走行動作が行われたことを表す条件」が成立すると環境情報を記憶部に記録することが特定されているのであり、しかも、「旋回動作が行われたこと又は走行動作が行われたことを表す条件」とは如何なる条件を意味するのかは本件明細書の記載を参酌しても全く不明であるから、本件訂正は本件明細書に記載した事項の範囲を明らかに逸脱するものである。さらに、本件訂正に係る「旋回動作が行われたこと又は走行動作が行われたことを示す条件が成立すると一環境情報を記憶部に記録する」という要件は、段落【００６２】の「記録タイミングは、ショベル１００の走行時や旋回時であってよい。」という記載に対応した態様以外の態様を明らかに包含するものであり、しかも、そのような態様が如何なる態様であるのかは出願時の技術常識に照らしても不明であるから、本件明細書の記載の範囲から明らかに逸脱している。（２頁５行～４頁１１行）。 イ 主張についての判断 上記（２）ア（ウ）、イ、（３）ア（ウ）で示したとおり、本件特許明細書の段落【００６１】、【００６２】の記載をふまえると、「走行時」である「記録タイミング」について、走行動作が行われたことを表す条件が成立したときであることが導出され、また、同様に「旋回時」である「記録タイミング」について、旋回動作が行われたことを表す条件が成立したときであることが導出される。 よって、訂正事項１、２及び５に係る訂正は、本件明細書等に記載された全ての事項に対して、新たな技術的事項を追加するものではないから、「前記記録部は、自ショベル（本件請求項９では前記第２のショベル）の旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部（本件請求項９では前記第２の環境情報取得部）により取得される環境情報を前記記憶部に記録」するという事項は、本件明細書等には記載も示唆もされていないとはいえない。 以上のとおりであるから、申立人Ａの主張を採用することはできない。 （５）訂正の適否についてのまとめ 以上のとおり、本件訂正は、特許法第１２０条の５第２項ただし書第１号及び第３号に掲げる事項を目的とするものであって、かつ、同条第９項で準用する同法第１２６条第５項及び第６項の規定に適合するので、訂正後の請求項〔１－８〕、〔９－１２〕について、本件訂正を認める。 第３ 本件発明 上記第２のとおり、本件訂正請求による訂正は認められたので、本件特許の請求項１～１２に係る発明（以下、請求項の番号に従って「本件発明１」等という。また、これらを総称して「本件発明」という。）は、令和７年５月２６日提出の手続補正書（方式）により補正された令和７年４月１４日提出の訂正請求書に添付された訂正特許請求の範囲の請求項１～１２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ところ、請求項１～１２の記載は、次のとおりである。 なお、各構成の分説は、当審において付した。 「【請求項１】 １Ａ ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 １Ｂ 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、 １Ｃ 記憶部と、 １Ｄ 前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、を備え、 １Ｅ 前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 １Ｆ 前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され、 １Ｇ 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 １Ｈ 自ショベルを含む複数のショベルは、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定を行い、 １Ｉ 前記複数のショベルのそれぞれが有する前記学習済みモデルは、前記追加学習済みモデルに更新される、 １Ｊ ショベル。 【請求項２】 ２Ａ ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 ２Ｂ 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、 ２Ｃ 記憶部と、 ２Ｄ 前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、を備え、 ２Ｅ 前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 ２Ｆ 前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され、 ２Ｇ 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 ２Ｈ 前記学習済みモデルは、複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される、 ２Ｉ ショベル。 【請求項３】 ３Ａ 前記学習済みモデルは、自ショベル及び自ショベルとは異なる他ショベルのうちの少なくとも一方で取得される作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた、 前記追加学習済みモデルに更新される、 請求項１又は２に記載のショベル。 【請求項４】 ４Ａ 前記学習済みモデルは、人工的に生成される作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される、 請求項１又は２に記載のショベル。 【請求項５】 （削除） 【請求項６】 ６Ａ 前記判定部は、自ショベルの周囲の物体の検出に関する前記判定を行い、 ６Ｂ 前記記録部は、前記判定部が自ショベルの周囲の物体を検出したと判定したときに、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 ６Ｃ 前記学習済みモデルは、前記記録部により前記記憶部に記録された環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される、 請求項１又は２に記載のショベル。 【請求項７】 ７Ａ アクチュエータと、 ７Ｂ 前記判定に基づき、前記アクチュエータを制御する制御部と、を更に備える、 請求項１又は２に記載のショベル。 【請求項８】 ８Ａ 操作装置と、 ８Ｂ 前記操作装置に対する操作に基づき、駆動されるアクチュエータと、を備え、 ８Ｃ 前記判定に基づき、前記物体が自ショベルの周囲の所定範囲内に存在すると判定されると、前記操作装置が操作されても前記アクチュエータは駆動されない、 請求項１又は２に記載のショベル。 【請求項９】 ９Ａ 第１のショベルと、第２のショベルと、前記第１のショベル及び前記第２のショベルと通信可能な外部装置と、を含むショベル支援システムであって、 ９Ｂ 前記第１のショベルに設けられ、前記第１のショベルの周囲の環境情報を取得する第１の環境情報取得部と、 ９Ｃ 前記第１のショベルに設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１のショベルの周囲の物体に関する判定を行う判定部と、 ９Ｄ 前記第２のショベルに設けられ、前記第２のショベルの周囲の環境情報を取得する第２の環境情報取得部と、 ９Ｅ 前記第２のショベルに設けられる記憶部と、 ９Ｆ 前記第２のショベルに設けられ、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、 ９Ｇ 前記第２のショベルに設けられ、前記記録部により前記記憶部に記録される環境情報を前記外部装置に送信する環境情報送信部と、 ９Ｈ 前記外部装置に設けられ、前記第２のショベルから受信される、前記第２のショベルで取得され前記記憶部に記録された環境情報に基づき、教師情報を生成する教師情報生成部と、 ９Ｉ 前記外部装置に設けられ、前記教師情報生成部により生成された教師情報に基づき、前記第１のショベルで前記判定に用いられている前記学習済みモデルと同一の学習済みモデルに追加学習を行わせ、追加学習済みモデルを生成する学習部と、 ９Ｊ 前記外部装置に設けられ、前記学習部により追加学習が行われた前記追加学習済みモデルを前記第１のショベルに送信するモデル送信部と、を備え、 ９Ｋ 前記記録部は、前記第２のショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録し、 ９Ｌ 前記学習済みモデルは、前記第１のショベルにおいて、前記外部装置から受信される前記追加学習済みモデルに更新され、 ９Ｍ 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記判定を行う、 ９Ｎ ショベル支援システム。 【請求項１０】 １０Ａ 前記第１のショベルと前記第２のショベルは、同一のショベルであり、 １０Ｂ 前記第１の環境情報取得部と前記第２の環境情報取得部は、同一の環境情報取得部である、 請求項９に記載のショベル支援システム。 【請求項１１】 １１Ａ 複数の前記第１のショベルと、複数の前記第１のショベルのそれぞれと通信可能な前記外部装置と、を含む、 請求項９に記載のショベル支援システム。 【請求項１２】 １２Ａ 複数の前記第２のショベルと、複数の前記第２のショベルのそれぞれと通信可能な前記外部装置と、を含む、 請求項９に記載のショベル支援システム。」 第４ 証拠方法、特許異議申立理由の概要、及び取消理由通知書に記載した取消理由の概要 １ 証拠方法 （１）申立人Ａが提出した証拠 ア 申立人Ａが異議申立書とともに提出した証拠 甲第１号証：特開２０１５－１３５５５２号公報 甲第２号証：国際公開第２０１８／０８４１６１号 甲第３号証：特開２０１８－１４２７５６号公報 甲第４号証：国際公開第２０１８／０２０９５４号 以下では、申立人Ａが提出した甲第１号証～甲第４号証のそれぞれを、甲１Ａ～甲４Ａということがある。 イ 申立人Ａが令和７年８月２２日付け意見書とともに提出した参考資料 参考資料１：特開２００３－１０５８０７号公報 参考資料２：特開２０１６－１７６２８９号公報 参考資料３：特開２００７－２３４８６号公報 参考資料４：特開２０１７－１２７２９２号公報 （２）申立人Ｂが提出した証拠 申立人Ｂが提出した証拠は、以下のとおりである。 甲第１号証：特開２０１７－１０２６０６号公報 甲第２号証：特開２００３－３１６７４６号公報 甲第３号証：特開２０１５－１３５５５２号公報（上記１の甲１Ａと同じ） 以下では、申立人Ｂが提出した甲第１号証～甲第３号証のそれぞれを、甲１Ｂ～甲３Ｂということがある。 ２ 特許異議申立理由の概要 申立人Ａ及び申立人Ｂが各特許異議申立書（それぞれ、「申立書Ａ」及び「申立書Ｂ」という。）において主張する申立理由の概要は、次のとおりである。なお、本件特許異議申立て時点の請求項１～１２に係る発明を、以下「本件訂正前発明１」等という。 （１）申立人Ａが主張する申立理由の概要 ア サポート要件違反（以下、「申立理由１Ａ」という。） 本件訂正前発明１～８は、発明の詳細な説明に記載された発明ではないため、特許請求の範囲の請求項１～８の記載は特許法第３６条第６項第１号に規定する要件を満たさない。 したがって、本件特許の請求項１～８に係る特許は、特許法第１１３条第４号に該当し、取り消されるべきものである。 なお、申立書Ａの１頁の３．（１）の「申立ての理由の要約」には「特許法第３６条第６項第１号（請求項１－１２）（同法１１３条第４号）」と記載されているものの、サポート要件違反については、申立書Ａの１２頁１５行～１５頁末行において、本件訂正前発明１～８についてのみ主張している。よって、サポート要件違反は、実質的に、本件訂正前発明１～８について主張したものと、当審では整理した。 イ 明確性要件違反（以下、「申立理由２Ａ」という。） 本件訂正前発明１～８は、明確でないから、特許請求の範囲の請求項１～８の記載は特許法第３６条第６項第２号に規定する要件を満たさない。 したがって、本件特許の請求項１～８に係る特許は、特許法第１１３条第４号に該当し、取り消されるべきものである。 なお、申立書Ａの１頁の３．（１）の「申立ての理由の要約」には「特許法第３６条第６項第２号（請求項１－１２）（同法１１３条第４号）」と記載されているものの、明確性要件違反については、申立書Ａの１６頁１～末行において、本件訂正前発明１～８についてのみ主張している。よって、明確性要件違反は、実質的に本件訂正前発明１～８について主張したものと、当審では整理した。 ウ 甲１Ａを主たる証拠とした進歩性欠如（以下、「申立理由３Ａ」という。） 本件訂正前発明１～１２は、本件優先日より前に日本国内で頒布された刊行物である、甲１Ａに記載された発明に基いて、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、本件訂正前発明１～１２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ものである。 したがって、本件訂正前発明１～１２に係る特許は、同法１１３条２号に該当し、取り消されるべきものである。 エ 甲２Ａを主たる証拠とした進歩性欠如（以下、「申立理由４Ａ」という。） 本件訂正前発明１～１２は、本件優先日より前に日本国内で頒布された刊行物である、甲２Ａに記載された発明に基いて、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、本件訂正前発明１～１２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ものである。 したがって、本件訂正前発明１～１２に係る特許は、同法１１３条２号に該当し、取り消されるべきものである。 （２）申立人Ｂが主張する申立理由の概要 ア サポート要件違反（以下、「申立理由１Ｂ」という。） 本件訂正前発明１～８、１０について、本件特許の特許請求の範囲の記載は、特許を受けようとする発明が発明の詳細な説明に記載されておらず、特許法第３６条第６項第１号の規定を満たしていない。 したがって、本件特許の請求項１～８、１０に係る特許は、特許法第１１３条第４号に該当し、取り消されるべきものである。 なお、申立書Ｂの２頁の３．（１）の「申立ての理由の要約」には「特許法第３６条第６項第１号（請求項１～１２）（特許法第１１３条第４号）」と記載されているものの、サポート要件違反については、申立書Ｂの３１頁２行～３８頁２３行において、本件訂正前発明１～８、１０についてのみ主張している。よって、サポート要件違反は、実質的に本件訂正前発明１～８、１０について主張したものと、当審では整理した。 イ 明確性要件違反（以下、「申立理由２Ｂ」という。） 本件訂正前発明１～８、１０について、本件特許の特許請求の範囲の記載は、特許を受けようとする発明が明確ではなく、特許法第３６条第６項第２号の規定を満たしていない。 したがって、本件特許の請求項１～８、１０に係る特許は、特許法第１１３条第４号に該当し、取り消されるべきものである。 なお、申立書Ｂの２頁の３．（１）の「申立ての理由の要約」には「特許法第３６条第６項第２号（請求項１～１２）（特許法第１１３条第４号）」と記載されているものの、明確性要件違反については、申立書Ｂの３８頁２４行～３９頁１５行において、本件訂正前発明１～８、１０についてのみ主張している。よって、明確性要件違反は、実質的に本件訂正前発明１～８、１０について主張したものと、当審では整理した。 ウ 甲１Ｂを主たる証拠とした進歩性欠如（以下、「申立理由３Ｂ」という。） 本件訂正前発明１～１２は、甲１Ｂ及び甲２Ｂ、甲１Ｂ及び甲３Ｂ、又は甲１Ｂ～甲３Ｂ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って、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ものである。 したがって、本件特許の請求項１～１２に係る特許は、同法１１３条２号に該当し、取り消されるべきものである。 ３ 取消理由通知書に記載した取消理油の概要 （１）甲１Ａを主たる証拠とした進歩性欠如（以下、「取消理由１」という。） 本件訂正前発明１～８は、甲１Ａ発明、甲２Ａ発明及び周知技術（甲２Ａ、甲３Ａ、甲４Ａ、甲１Ｂ）に基づいて、当業者が容易に発明することができたものであり、本件訂正前発明９～１２は、甲１Ａ発明、甲３Ａ技術事項及び周知技術に基づいて、当業者が容易に発明することができたものである。 したがって、これらの発明に係る特許は、特許法２９条２項の規定に違反してされたものであるから、同法１１３条２号に該当し、取り消されるべきものである。 （２）甲２Ａを主たる証拠とした進歩性欠如（以下、「取消理由２」という。） 本件訂正前発明１～１２は、甲２Ａ発明、甲１Ａ発明及び甲３Ａ技術事項に基づいて、当業者が容易に発明することができたものである。 したがって、これらの発明に係る特許は、特許法２９条２項の規定に違反してされたものであるから、同法１１３条２号に該当し、取り消されるべきものである。 （３）甲１Ｂを主たる証拠とした進歩性欠如（以下、「取消理由３」という。） 本件訂正前発明１～１２は、甲１Ｂ発明、甲１Ａ発明及び甲３Ａ技術事項、甲４Ａ、甲１Ｂ）に基づいて、当業者が容易に発明することができたものである。 したがって、これらの発明に係る特許は、特許法２９条２項の規定に違反してされたものであるから、同法１１３条２号に該当し、取り消されるべきものである。 第５ 証拠等について １ 各甲号証の記載 （１）甲１Ａ ア 甲第１号証の記載 甲１Ａには、以下の記載がある（下線は、当審で付加した。以下、同様。）。 （ア）「【０００１】 本発明は、車載装置における処理についての学習システム等に関する。」 （イ）「【０００５】 しかしながら、出荷された車載装置において、本来の機能を稼働させながら機械学習を行うとなると、車載装置のハードウェア性能を大幅に向上させる必要があり、コストの増加等の問題が生じてしまう。 【０００６】 本願発明は上記課題に鑑みてなされたものであり、車載装置のハードウェア性能を向上させること無く、出荷後に車載装置の機能を向上させるための学習処理を行うことができる学習システム等を提供することを目的とする。」 （ウ）「【００１６】 以下、本発明の実施形態について図面を用いて説明する。なお、本発明の実施の形態は、下記の実施形態に何ら限定されることはなく、本発明の技術的範囲に属する限り種々の形態を採りうる。 【００１７】 ［構成の説明］ 学習システム１は、１又は複数の車載装置１０と、無線通信回線網２０を介して各車載装置１０と通信を行う学習サーバ２とを有している（図１参照）。 【００１８】 車載装置１０は、自車両周辺の歩行者や道路に描かれた白線等を認識する画像認識機能を有しており、カメラ１１，記憶部１２，車内ＬＡＮ通信部１３，制御部１４，表示部１５，操作部１６，無線通信部１７等を有する（図２参照）。 【００１９】 カメラ１１は、ＣＣＤカメラや赤外線カメラ等として構成されており、自車両周辺を撮影する部位であり、撮影画像に基づき画像認識処理が行われる。なお、カメラ１１に替えてレーダ等のセンサを備え、レーダ等を用いて歩行者等の認識処理を行うと共に、該認識処理について、後述する機械学習を行う構成としても良い。 【００２０】 また、記憶部１２は、記憶保持動作が不要なフラッシュメモリ等として構成されており、画像認識等に必要な各種情報（例えば、後述する機械学習により更新される、画像認識機能におけるパラメータやアルゴリズム等）が記憶されている。 【００２１】 また、車内ＬＡＮ通信部１３は、車内ＬＡＮ（図示無し）を介して他の装置と通信を行う。 また、制御部１４は、ＣＰＵ，ＲＯＭ，ＲＡＭ，Ｉ／Ｏ及びこれらを接続するバスライン等からなる周知のマイクロコンピュータを中心に構成され、ＲＯＭに記憶されたプログラムや、ＲＡＭにロードされたプログラム等に従い車載装置１０を統括制御する。 【００２２】 また、制御部１４は、学習システム１において行われる、車載装置１０の画像認識機能に関する機械学習における識別機能を有している（詳細は後述する）。 また、表示部１５は、液晶ディスプレイ等として構成され、各種情報を表示する。 【００２３】 また、操作部１６は、キースイッチやタッチスイッチ等として構成され、各種操作を受け付ける。 また、無線通信部１７は、図示しないアンテナ等により無線通信回線網２０にアクセスし、学習サーバ２と通信を行う。 【００２４】 なお、車載装置１０は、無線通信部１７を備えず、車内ＬＡＮを介して通信可能な無線通信装置により無線通信回線網２０にアクセスし、学習サーバ２と通信を行う構成としても良い。 【００２５】 一方、学習サーバ２は、メイン学習サーバ３０と、車載装置１０が搭載された車両の走行地域（詳細は後述する）に対応して設けられた複数のサブ学習サーバ４０等により構成されており、これらのサーバは、ＬＡＮにより接続され、互いに通信可能となっている（図３参照）。 【００２６】 メイン学習サーバ３０は、例えばＰＣ等として構成されており、通信部３１，記憶部３２，制御部３３，表示部３４，操作部３５等を備える（図４参照）。 通信部３１は、ＬＡＮを介して無線通信回線網２０にアクセスすると共に、他のサブ学習サーバ４０と通信を行う部位であり、記憶部３２は、ＨＤＤ等といった記憶保持動作が不要なデバイスから構成されている。 【００２７】 また、制御部３３は、ＣＰＵ，ＲＯＭ，ＲＡＭ，Ｉ／Ｏ及びこれらを接続するバスライン等からなる周知のコンピュータを中心に構成され、ＲＡＭにロードされたプログラム等に従い動作する。 【００２８】 また、制御部３３は、学習システム１において行われる、車載装置１０の画像認識機能に関する機械学習における学習機能を有している（詳細は後述する）。 また、表示部３４は、液晶ディスプレイ等として構成され、各種情報を表示する部位であり、操作部３５は、キーボードやマウス等として構成され、各種操作を受け付ける部位である。 【００２９】 なお、サブ学習サーバ４０等は、メイン学習サーバ３０と同様の構成を有しているため、説明を省略する。 ［動作の説明］ 次に、学習システム１の動作について説明する。学習システム１では、車載装置１０及び学習サーバ２にて、車載装置１０の画像認識機能についての機械学習を行うよう構成されている。車載装置１０は該機械学習における識別機能を担当し、学習サーバ２は学習機能を担当する。 【００３０】 すなわち、車載装置１０は、画像認識処理を行うと、該画像認識処理に用いられたカメラ１１による撮影画像データを学習データとし、学習サーバ２に送信する。 一方、学習サーバ２は、各車載装置１０から受信した学習データに基づき、画像認識処理の認識精度を向上させるための学習処理を行い、画像認識処理におけるパラメータを更新するための更新データを生成し、各車載装置１０に送信する。 【００３１】 なお、該パラメータは、例えば、車載装置１０での画像認識処理にて用いられるサポートベクタマシンやニューラルネットワークの重み付けのパラメータであっても良い。 そして、車載装置１０は、学習サーバ２から受信した更新データにより、画像認識処理におけるパラメータを更新する。 【００３２】 以下では、車載装置１０及び学習サーバ２での処理について詳しく説明する。 （１）学習データ送信処理について まず、車載装置１０から学習サーバ２に対し、学習データ（画像認識処理に用いられたカメラ１１による撮影画像データ）を送信する学習データ送信処理について、図５に記載のフローチャートを用いて説明する。なお、本処理は、車載装置１０での画像認識処理の実行時に開始される。 【００３３】 Ｓ１００では、制御部１４は、予め定められた走行地域の中から自車両が現在走行している走行地域を特定すると共に、該走行地域を示す環境データを生成し、Ｓ１０５に処理を移行する。 【００３４】 具体的には、制御部１４は、例えば、車内ＬＡＮを介して図示しないナビゲーション装置と通信を行って自車両の現在地を取得し、該現在地に基づき走行地域を特定しても良い。また、自車両による走行が予定される地域を示す情報を予め記憶部１２に記憶させておき、該情報が示す地域を走行地域としても良い。 【００３５】 Ｓ１０５では、制御部１４は、自車両周辺の歩行者や道路に描かれた白線等を認識する画像認識処理を実行すると共に、画像認識処理の結果に基づき、各種処理を実行する。 ここで、画像認識処理では、各走行地域に対応するパラメータが設けられており、制御部１４は、Ｓ１００で特定した走行地域に対応するパラメータを記憶部１２から読み出し、該パラメータとを用いて画像認識処理を実行する。 【００３６】 続くＳ１１０では、制御部１４は、画像認識処理に用いられたカメラ１１による撮影画像データを学習データとすると共に、該学習データと環境データとを無線通信部１７を介して学習サーバ２に送信し、本処理を終了する。 【００３７】 （２）機械学習処理について 次に、学習サーバ２にて車載装置１０から学習データを収集し、学習処理を行う機械学習処理について、図６に記載のフローチャートを用いて説明する。なお、本処理は、学習サーバ２にて繰り返し実行される。 【００３８】 Ｓ２００では、学習サーバ２を構成するメイン学習サーバ３０の制御部３３は、車載装置１０から学習データと環境データを受信し、これらを対応付けた状態で記憶部３２に保存する。そして、保存した学習データ等の数が一定の水準に達すると、Ｓ２０５に処理を移行する。 【００３９】 Ｓ２０５では、メイン学習サーバ３０の制御部３３は、Ｓ２００にて収集された全ての学習データに基づき学習処理を行い、Ｓ２１０に処理を移行する。 なお、該学習処理においては、一例として教師なし学習を行うことが考えられ、オートエンコーダ等の手法を用いても良い。また、このほかにも、学習データに対してデータマイニング等を行うことも考えられる。 【００４０】 Ｓ２１０では、メイン学習サーバ３０の制御部３３は、Ｓ２００にて収集された全ての学習データを、各学習データに対応する環境データに基づき走行地域毎に分類し、同一の走行地域で生成された学習データのグループを生成する。 【００４１】 そして、各グループに属する学習データを、該グループに係る走行地域に対応するサブ学習サーバ４０に送信すると共に、全てのサブ学習サーバ４０に対し、メイン学習サーバ３０での学習結果を送信し、Ｓ２１５に処理を移行する。 【００４２】 Ｓ２１５では、各サブ学習サーバ４０の制御部は、メイン学習サーバ３０での学習結果を初期値として受信した学習データに基づき学習処理（リファイン）を行い、自装置に対応する走行地域での画像認識処理におけるパラメータを生成し、Ｓ２２０に処理を移行する。 ・・・ 【００４９】 続くＳ２２０では、各サブ学習サーバ４０の制御部は、メイン学習サーバ３０に対しパラメータを送信する。そして、メイン学習サーバ３０の制御部３３は、各走行地域に対応するパラメータを更新データとすると共に、各車載装置１０に対して更新データを送信し、本処理を終了する。 【００５０】 （３）更新データ受信処理について 次に、車載装置１０にて学習サーバ２から更新データを受信し、画像認識処理におけるパラメータを更新する更新データ受信処理について、図７に記載のフローチャートを用いて説明する。なお、本処理は、車載装置１０にて周期的なタイミングで実行される。 【００５１】 Ｓ３００では、車載装置１０の制御部１４は、学習サーバ２から更新データを受信する。そして、更新データを受信した場合には（Ｓ３００：Ｙｅｓ）、Ｓ３０５に処理を移行すると共に、更新データを受信できなかった場合には（Ｓ３００：Ｎｏ）、本処理を終了する。 【００５２】 Ｓ３０５では、制御部１４は、受信した更新データを記憶部１２に保存することで、画像認識処理のパラメータを更新し、本処理を終了する。以後、制御部１４は、新たに保存された更新データを構成するパラメータを用いて画像認識処理を行う。 【００５３】 ［効果］ 本実施形態の学習システム１によれば、車載装置１０では学習処理が行われず、学習サーバ２にて各車載装置１０から提供された学習データに基づき学習処理が行われる。そして、学習サーバ２での学習処理により生成された更新データが各車載装置１０に提供され、各車載装置１０における処理の内容が更新される。 【００５４】 このため、車載装置１０は、自装置で学習処理を行うことなく画像認識機能の向上を図ることができる。 したがって、車載装置１０のハードウェア性能を向上させること無く、出荷後に車載装置１０の画像認識機能を向上させることができる。」 （エ）「【００６０】 このような場合であっても、同様の効果を得ることができる。 （２）また、本実施形態では、機械学習処理のＳ２０５，Ｓ２１５にて教師なし学習を行うことを例示したが、これに限らず、教師あり学習を行っても良い。 【００６１】 なお、教師あり学習を行う場合、各学習データに対応する教師データ（例えば、画像認識処理により認識される白線の位置や、歩行者の有無等を示すラベル）を作成する必要がある。このような作業は、メイン学習サーバ３０等を操作するオペレータにより行われる。」 （オ）図１ 「 ［図：0001439177000002.jpg］ 」 上記図１から、学習システム１は、複数の車載装置１０と学習サーバ２とが、無線通信回線網２０を介して、通信可能である点が看取できる。 （カ）上記（オ）と、上記（ウ）の段落【００２５】のとおり「車両」は、「車載装置１０」を「搭載」していることから、複数の車載装置１０が搭載される車両は、学習サーバ２と、無線通信回線網２０を介して通信可能であると認められる。 また、上記（オ）と、上記（ウ）の段落【００１７】とから、学習システム１は、複数の車載装置１０と、学習サーバ２により、構成されていると認められる。 （キ）図２ 「 ［図：0001439177000003.jpg］ 」 （ク）図６ 「 ［図：0001439177000004.jpg］ 」 （ケ）図７ 「 ［図：0001439177000005.jpg］ 」 イ 甲１Ａ発明 上記アより、甲１Ａには、次の発明（以下「甲１Ａ発明」という。）が記載されていると認められる （甲１Ａ発明） 「学習サーバ２と、無線通信回線網２０を介して通信可能である、複数の車載装置１０が搭載される車両であって、（【００２５】、上記（カ）） 複数の車載装置１０と、学習サーバ２により、学習システム１を、構成し、（上記（カ）） 車載装置１０は、自車両周辺の歩行者や道路に描かれた白線等を認識する画像認識機能を有しており、カメラ１１，記憶部１２，車内ＬＡＮ通信部１３，制御部１４，表示部１５，操作部１６，無線通信部１７等を有し（【００１８】）、 カメラ１１は、ＣＣＤカメラや赤外線カメラ等として構成されており、自車両周辺を撮影する部位であり、撮影画像に基づき画像認識処理が行われ（【００１９】）、 記憶部１２は、記憶保持動作が不要なフラッシュメモリ等として構成されており、画像認識等に必要な各種情報（例えば、後述する機械学習により更新される、画像認識機能におけるパラメータやアルゴリズム等）が記憶されていて（【００２０】）、 制御部１４は、学習システム１において行われる、車載装置１０の画像認識機能に関する機械学習における識別機能を有しており（【００２２】）、 操作部１６は、キースイッチやタッチスイッチ等として構成され、各種操作を受け付け、無線通信部１７は、アンテナ等により無線通信回線網２０にアクセスし、学習サーバ２と通信を行い（【００２３】）、 学習サーバ２は、メイン学習サーバ３０と、車載装置１０が搭載された車両の走行地域に対応して設けられた複数のサブ学習サーバ４０等により構成されており、これらのサーバは、ＬＡＮにより接続され、互いに通信可能となっており（【００２５】）、 メイン学習サーバ３０は、例えばＰＣ等として構成されており、通信部３１，記憶部３２，制御部３３，表示部３４，操作部３５等を備え、通信部３１は、ＬＡＮを介して無線通信回線網２０にアクセスすると共に、他のサブ学習サーバ４０と通信を行う部位であり、記憶部３２は、ＨＤＤ等といった記憶保持動作が不要なデバイスから構成されており（【００２６】）、 制御部３３は、ＣＰＵ，ＲＯＭ，ＲＡＭ，Ｉ／Ｏ及びこれらを接続するバスライン等からなる周知のコンピュータを中心に構成され、ＲＡＭにロードされたプログラム等に従い動作するものであり（【００２７】）、 制御部３３は、学習システム１において行われる、車載装置１０の画像認識機能に関する機械学習における学習機能を有し（【００２８】）、 表示部３４は、液晶ディスプレイ等として構成され、各種情報を表示する部位であり、操作部３５は、キーボードやマウス等として構成され、各種操作を受け付ける部位であり（【００２８】）、 学習システム１では、車載装置１０及び学習サーバ２にて、車載装置１０の画像認識機能についての機械学習を行うよう構成され、車載装置１０は該機械学習における識別機能を担当し、学習サーバ２は学習機能を担当し（【００２９】）、 車載装置１０は、画像認識処理を行うと、該画像認識処理に用いられたカメラ１１による撮影画像データを学習データとし、学習サーバ２に送信し、一方、学習サーバ２は、各車載装置１０から受信した学習データに基づき、画像認識処理の認識精度を向上させるための学習処理を行い、画像認識処理におけるパラメータを更新するための更新データを生成し、各車載装置１０に送信し、該パラメータは、例えば、車載装置１０での画像認識処理にて用いられるサポートベクタマシンやニューラルネットワークの重み付けのパラメータであり、そして、車載装置１０は、学習サーバ２から受信した更新データにより、画像認識処理におけるパラメータを更新するものであり（【００３０】、【００３１】）、 車載装置１０から学習サーバ２に対し、学習データ（画像認識処理に用いられたカメラ１１による撮影画像データ）を送信する学習データ送信処理については、車載装置１０での画像認識処理の実行時に開始され、制御部１４は、予め定められた走行地域の中から自車両が現在走行している走行地域を特定すると共に、該走行地域を示す環境データを生成し、自車両周辺の歩行者や道路に描かれた白線等を認識する画像認識処理を実行すると共に、画像認識処理の結果に基づき、各種処理を実行し、画像認識処理では、各走行地域に対応するパラメータが設けられており、走行地域に対応するパラメータを記憶部１２から読み出し、該パラメータを用いて画像認識処理を実行し、画像認識処理に用いられたカメラ１１による撮影画像データを学習データとすると共に、該学習データと環境データとを無線通信部１７を介して学習サーバ２に送信し（【００３２】、【００３３】、【００３５】、【００３６】）、 学習サーバ２にて車載装置１０から学習データを収集し、学習処理を行う機械学習処理については、学習サーバ２にて繰り返し実行されるものであって、学習サーバ２を構成するメイン学習サーバ３０の制御部３３は、車載装置１０から学習データと環境データを受信し、これらを対応付けた状態で記憶部３２に保存し、保存した学習データ等の数が一定の水準に達すると、メイン学習サーバ３０の制御部３３は、収集された全ての学習データに基づき学習処理を行い、メイン学習サーバ３０の制御部３３は、収集された全ての学習データを、各学習データに対応する環境データに基づき走行地域毎に分類し、同一の走行地域で生成された学習データのグループを生成し、各グループに属する学習データを、該グループに係る走行地域に対応するサブ学習サーバ４０に送信すると共に、全てのサブ学習サーバ４０に対し、メイン学習サーバ３０での学習結果を送信し、各サブ学習サーバ４０の制御部は、メイン学習サーバ３０での学習結果を初期値として受信した学習データに基づき学習処理（リファイン）を行い、自装置に対応する走行地域での画像認識処理におけるパラメータを生成し、各サブ学習サーバ４０の制御部は、メイン学習サーバ３０に対しパラメータを送信し、そして、メイン学習サーバ３０の制御部３３は、各走行地域に対応するパラメータを更新データとすると共に、各車載装置１０に対して更新データを送信するものであって（【００３７】～【００４２】、【００４９】）、 機械学習処理においては、教師あり学習を行うものであり（【００６０】）、 車載装置１０にて学習サーバ２から更新データを受信し、画像認識処理におけるパラメータを更新する更新データ受信処理については、車載装置１０にて周期的なタイミングで実行されるものであり、車載装置１０の制御部１４は、学習サーバ２から更新データを受信した場合には、制御部１４は、受信した更新データを記憶部１２に保存することで、画像認識処理のパラメータを更新し、以後、新たに保存された更新データを構成するパラメータを用いて画像認識処理を行うと共に、更新データを受信できなかった場合には本処理を終了するものであって（【００５０】～【００５２】）、 学習システム１によれば、車載装置１０では学習処理が行われず、学習サーバ２にて各車載装置１０から提供された学習データに基づき学習処理が行われ、学習サーバ２での学習処理により生成された更新データが各車載装置１０に提供され、各車載装置１０における処理の内容が更新される（【００５３】）、 車両。」 （２）甲２Ａ ア 甲２Ａの記載 甲２Ａには以下の記載がある。 （ア）「[０００１] 本発明は、作業機械用安全管理システム等に関する。 ・・・ [０００４] しかしながら、特許文献１では、蓄積された侵入情報に基づき事後的に作業現場の作業者や現場監督等に安全性の向上を促すことができるが、作業現場で現在生じている状況に対して、直ぐに安全性の向上を促すことができない。 [０００５] そこで、上記課題に鑑み、比較的即効性のある態様で、作業機械が使用される作業現場の安全性の向上を図ることが可能な作業機械用安全管理システム等を提供することを目的とする。」 （イ）「[００１０] ［作業機械の概要］ まず、図１を参照して、本実施形態に係る安全管理システム１００（図２参照）に含まれる作業機械について説明をする。 [００１１] 図１は、本実施形態に係る安全管理システム１００に含まれる作業機械の一例を示す図であり、具体的には、ショベルの側面図である。 [００１２] 尚、本実施形態に係る安全管理システム１００に含まれる作業機械は、当然の如く、ショベル以外の作業機械、例えば、ホイールローダ、アスファルトフィニッシャ等であってもよい。 ・・・ [００１８] また、本実施形態に係るショベルは、安全管理システム１００に関連する構成として、コントローラ３０と、撮像装置４０と、動作・姿勢状態センサ４２と、表示装置５０と、音声出力装置６０と、外部報知装置７０と、通信機器８０を備える。 [００１９] コントローラ３０は、ショベルの駆動制御を行う制御装置である。コントローラ３０は、キャビン１０内に搭載される。 [００２０] 撮像装置４０は、上部旋回体３の上部に取り付けられ、ショベルの周辺を撮像する。撮像装置４０は、後方カメラ４０Ｂ、左側方カメラ４０Ｌ、右側方カメラ４０Ｒを含む。 ・・・ [００３２] 表示装置５０は、キャビン１０内の操縦席の周辺に設けられ、コントローラ３０（後述する表示制御部３０４）による制御の下、オペレータに通知する各種画像情報を表示する。 ・・・ [００３４] 外部報知装置７０は、ショベルの周辺の作業者や作業現場の監督者等に向けて報知を行う。外部報知装置７０は、例えば、ショベルの周辺の作業者等に向けて点灯或いは点滅等する光源（灯火器）を含んでよい。また、外部報知装置７０は、ショベルの周辺の作業者等に向けて画像情報（文字情報や描画情報等）を提示する外部向けの表示装置を含んでもよい。また、外部報知装置７０は、ショベルの周辺の作業者等に向けて音声情報を出力する、スピーカやブザー等の外部向けの音声出力装置を含んでもよい。 [００３５] 通信機器８０は、所定の無線通信規格に基づき、所定の通信ネットワーク１５０（図２参照。例えば、基地局を末端とする携帯電話ネットワークやインターネット網等）を通じて、遠隔の外部機器（例えば、後述する管理サーバ２００）と通信する通信デバイスである。」 （ウ）「[００３６] ［安全管理システムの構成］ 次に、図２Ａ～図２Ｃを参照して、安全管理システム１００の構成について説明する。 [００３７] まず、図２Ａは、本実施形態に係る安全管理システム１００の構成の一例を示すブロック図である。 [００３８] 安全管理システム１００は、ショベルと、通信ネットワーク１５０を通じて、ショベルと通信可能に接続される管理サーバ２００と、通信ネットワーク１５０を通じて、管理サーバ２００と通信可能な管理端末３００を含む。 [００３９] ショベルは、本実施形態に係る安全管理システム１００に関連する構成として、コントローラ３０と、撮像装置４０と、動作・姿勢状態センサ４２と、表示装置５０等を含む。 [００４０] コントローラ３０は、安全管理システム１００における主たる制御処理を行う。コントローラ３０は、その機能が任意のハードウェア、ソフトウェア、或いはその組み合わせにより実現されてよく、例えば、ＣＰＵ，ＲＡＭ，ＲＯＭ，Ｉ／Ｏ等を含むマイクロコンピュータを中心に構成される。コントローラ３０は、ＲＯＭ等に格納される各種プログラムをＣＰＵ上で実行することにより実現される機能部として、物体検知部３０１と、情報取得部３０２と、情報生成部３０３と、表示制御部３０４と、情報送信部３０５を含む。また、コントローラ３０は、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory）等の内部メモリに規定される記憶領域としての記憶部３１０を含む。 [００４１] 撮像装置４０は、上述の如く、後方カメラ４０Ｂ、左側方カメラ４０Ｌ、右側方カメラ４０Ｒを含む。後方カメラ４０Ｂ、左側方カメラ４０Ｌ、右側方カメラ４０Ｒは、上部旋回体３の上部において、光軸が斜め下方に向くように取り付けられ、ショベル近傍の地面からショベルの遠方までを含む上下方向の撮像範囲（画角）を有する。後方カメラ４０Ｂ、左側方カメラ４０Ｌ、右側方カメラ４０Ｒは、ショベルの運転中、所定周期（例えば、１／３０秒）毎に、撮像画像をコントローラ３０に出力し、撮像画像は、コントローラ３０に取り込まれる。 [００４２] 動作・姿勢状態センサ４２は、上述の如く、ブーム角度センサ４２Ａと、アーム角度センサ４２Ｂと、バケット角度センサ４２Ｃと、ＩＭＵ４２Ｄ，４２Ｅと、旋回角度センサ４２Ｆと、加速度センサ４２Ｇを含む。動作・姿勢状態センサ４２に含まれるそれぞれのセンサは、検出結果（検出信号）をコントローラ３０に出力し、検出結果は、コントローラ３０に取り込まれる。 [００４３] 表示装置５０は、撮像装置４０の撮像画像（スルー画像）や、コントローラ３０により撮像装置４０の撮像画像に基づき生成される周辺画像（例えば、ショベルの真上から見た俯瞰画像等の視点変換画像）等を表示する。また、表示装置５０は、コントローラ３０は、表示制御部３０４による制御の下、ショベルの所定領域への人の侵入度合を表す情報（以下、「侵入度合情報」と称する）を表示する。侵入度合情報の詳細については、後述する。 [００４４] 音声出力装置６０は、コントローラ３０（物体検知部３０１）による制御の下、警報音を出力する。 [００４５] 外部報知装置７０は、コントローラ３０（物体検知部３０１）による制御の下、ショベルの周辺に向けて、光源の点灯、光源の点滅、情報画像、音声等を用いて、警報を出力する。 [００４６] 通信機器８０は、コントローラ３０の制御の下、ショベルの遠隔に設けられる管理サーバ２００と通信ネットワーク１５０を介して通信可能に接続し、管理サーバ２００との間で各種情報の送信を行う。 [００４７] 物体検知部３０１（検知部の一例）は、撮像装置４０の撮像画像に基づき、ショベルの周辺の所定領域内、例えば、ショベルから所定距離Ｄ１（例えば、５メートル）以内の所定の監視対象を検知する。即ち、物体検知部３０１は、ショベルの周辺の所定領域内（ショベルから所定距離Ｄ１以内）への監視対象の侵入を検知する。監視対象は、ショベルの周辺に存在或いは侵入しうる障害物である。例えば、監視対象には、ショベルの周辺の作業者等の人、ショベルの周辺で作業を行う他の作業機械や車両、ショベルの周辺に仮置きされる工材等が含まれうる。本実施形態では、以下、監視対象が作業者等の人である前提で説明を進める。 [００４８] 例えば、物体検知部３０１は、既知の各種画像処理手法や機械学習ベースの識別器等を任意に適用することにより、撮像画像内の人を認識すると共に、認識した人の実在位置（ショベルから認識した人までの距離Ｄ等）を特定することができる。 [００４９] 尚、物体検知部３０１は、撮像装置４０の撮像画像に基づきショベルの周辺の人を検知するが、撮像装置４０の撮像画像に代えて、或いは、加えて、他のセンサ、例えば、ミリ波レーダ、ＬＩＤＡＲ（LIght Detection And Ranging）、ステレオカメラ等の検出結果（距離画像等）に基づきショベルの周辺の人を検知してもよい。この場合、これらの他のセンサがショベルに設けられる。 ・・・ [００５３] また、物体検知部３０１は、ショベルから所定距離Ｄ３（≦Ｄ１）以内で人を検知した場合、ショベルの各種動作要素（例えば、下部走行体１、上部旋回体３、ブーム４、アーム５、及び、バケット６等）の動作を制限してよい。以下、ショベルの各種動作要素の動作を制限することを、単に、「ショベルの動作制限」と称する。このとき、当該所定距離Ｄ３は、所定距離Ｄ１或いは所定距離Ｄ２と同じであってもよいし、所定距離Ｄ１，Ｄ２とは異なっていてもよい。また、物体検知部３０１は、ショベルから検知された人までの距離に応じて、制限度合いを変化させてもよい。例えば、物体検知部３０１は、ショベルから検知された人までの距離が、所定距離Ｄ３以下且つ所定距離Ｄ４（＜Ｄ３）より長い場合、各種動作要素の操作状態に対する動作速度を緩やかにしてよい。そして、物体検知部３０１は、ショベルから検知された人までの距離が所定距離Ｄ４以下である場合、各種動作要素の操作状態に関わらず、各種動作要素を停止させてよい。このとき、所定距離Ｄ４は、所定距離Ｄ２と同じであってもよいし、異なっていてもよい。 [００５４] 尚、物体検知部３０１は、例えば、各種動作要素を操作する油圧式の操作装置と各種動作要素を駆動する油圧アクチュエータとの間のパイロットラインに設けられる減圧弁或いは切換弁を作動させることにより、当該パイロットラインを減圧或いは遮断し、各種動作要素の動作を制限することができる。また、物体検知部３０１は、例えば、油圧式の操作装置に元圧を供給するパイロットラインに設けられる減圧弁或いは切換弁を作動させ、パイロットラインを減圧或いは遮断することによっても、各種動作要素の動作を制限することができる。 ・・・ [００６２] 情報取得部３０２は、制御装置ショベルの各種状態（動作状態、制御状態等）に関連する情報を、ショベルに搭載される各種センサ（例えば、撮像装置４０、動作・姿勢状態センサ４２等）、各種アクチュエータ（例えば、油圧制御を行う電磁弁等）、各種制御装置（例えば、コントローラ３０等）から取得する。 [００６３] 例えば、情報取得部３０２は、物体検知部３０１によりショベルの周辺の所定領域への人の侵入が検知された場合、今回の所定領域への人の侵入と紐づける態様で、所定領域への人の侵入時における各種情報（後述する侵入関連情報）を侵入履歴情報３１０１として記憶部３１０に記憶させる。以下、図４を参照して、侵入履歴情報３１０１について説明する。 [００６４] 図４は、侵入履歴情報３１０１の一例を示す図である。侵入履歴情報３１０１は、人検知部による検知結果の履歴の一例であると共に、後述の如く、音声出力装置６０による警報の出力結果（警戒状態に係る警報と警告状態に係る警報の別）の履歴の一例である。侵入履歴情報３１０１は、物体検知部３０１によりショベルの周辺の所定領域への人の侵入が検知される度に、情報生成部３０３により履歴的に更新される。 [００６５] 図４に示すように、侵入履歴情報３１０１は、テーブル形式のデータとして記憶部３１０に記憶されている。侵入履歴情報３１０１には、所定領域への人の侵入時における各種情報として、検知された日時（日付、曜日、時刻）に関する情報、検知場所に関する情報、警報レベルに関する情報、検知された人の事後動作に関する情報、検知時の操作状態に関する情報、検知時の作業モードに関する情報、検知時の画像情報（検知時画像情報）が含まれる。所定領域への人の侵入時における各種情報は、換言すれば、所定領域の人の侵入に関連する（影響する）情報（以下、「侵入関連情報」と称する）である。侵入関連情報は、情報取得部３０２により取得される。 [００６６] 検知場所は、所定領域内の予め区分される複数の領域の何れで人の侵入が検知されたかを表し、本例では、ショベルの左方エリア、右方エリア、後方エリアの３つのエリアの何れで人の侵入が検知されたかを表す。 ・・・ [００８１] また、例えば、侵入履歴情報３１０１は、侵入関連情報の一例として、物体検知部３０１によりショベルから所定距離Ｄ３以内への人の侵入が検知され、ショベルの動作が制限されたときのオペレータによるショベルの操作状態を表す情報 (動作制限時操作情報) を含みうる。動作制限時操作情報は、上述の検知時操作情報と同様、 例えば、 当該下部走行体１が操作される走行状態、上部旋回体3が操作される旋回状態、作業機（ブーム４、アーム５、バケット６) が操作される作業状態の少なくとも１つか、操作されない状態かを表す。 [００８２] 情報生成部３０３は、物体検知部３０１により所定領域への人の侵入が検知されるたびに、情報取得部３０２により更新される侵入履歴情報３１０１に基づき、侵入度合情報３１０２を生成する。具体的には、情報生成部３０３は、侵入履歴情報３１０１を統計的に処理することにより、侵入度合情報３１０２を生成する。そして、情報生成部３０３は、生成した侵入度合情報３１０２を記憶部３１０に記憶させる。侵入度合情報３１０２の詳細は、後述する。 ・・・ [００８５] 情報送信部３０５は、予め規定された通知条件が成立すると、通信機器８０を制御し、情報生成部３０３により生成された侵入度合情報３１０２を管理サーバ２００に送信する。情報送信部３０５による処理の詳細は、後述する。 [００８６] 管理サーバ２００（管理装置の一例）は、ショベルから送信される各種情報に基づき、ショベルの各種管理を行う。管理サーバ２００は、ショベル（通信機器８０）と通信ネットワーク１５０を介して通信可能に接続し、ショベルから送信される各種情報を受信する。例えば、管理サーバ２００は、ショベルを含む作業現場の安全状況に関する情報（例えば、後述する侵入度合情報）をショベルから受信し、該情報を、作業現場の監督者や作業者が使用するコンピュータ端末、作業現場の監督者の携帯端末、作業現場の他の作業機械等に送信する。これにより、作業現場の監督者、作業者、他の作業機械のオペレータ等に作業現場の安全状況を把握させて、安全行動を促すことができる。 [００８７] 管理サーバ２００は、通信機器２１０と、処理装置２２０とを含む。 [００８８] 通信機器２１０は、通信ネットワーク１５０を通じて、ショベル及び管理端末３００のそれぞれと双方向で通信を行うための任意の通信デバイスである。 [００８９] 処理装置２２０は、管理サーバ２００における各種制御処理を行う。処理装置２２０は、その機能が、任意のハードウェア、ソフトウェア、或いは、これらの組み合わせにより実現されてよく、例えば、ＣＰＵと、ＲＡＭと、ＲＯＭと、補助記憶装置と、所定の通信インターフェース等を含む一又は複数のサーバコンピュータを中心に構成される。処理装置２２０は、ＲＯＭや補助記憶装置に格納される一以上のプログラムを実行することにより実現される機能部として、データ取得部２２０１と、データ配信部２２０２を含む。また、処理装置２２０は、サーバコンピュータの補助記憶装置内の記憶領域として実現される記憶部２２００を含み、記憶部２２００に各種データを保存する（記憶させる）処理は、ＲＯＭや補助記憶装置に格納される所定のプログラムにより実現される。 [００９０] データ取得部２２０１は、通信機器２１０を通じて、ショベルから管理サーバ２００に向けて送信される侵入度合情報を取得する。データ取得部２２０１は、取得した侵入度合情報を記憶部２２００に記憶させる（侵入度合情報２２００Ａ）。 [００９１] データ配信部２２０２は、携帯端末からのリクエストに応じて、或いは、予め規定されたプッシュ通知の要件に応じて、通信機器２１０を制御し、管理端末３００に侵入度合情報２２００Ａを配信する。 [００９２] 尚、データ配信部２２０２は、管理端末３００の他、管理サーバ２００と通信可能に接続される他の作業機械（侵入度合情報の送信元であるショベル以外の、同じ作業現場の他の作業機械）、例えば、ショベルの他、ブルドーザ等に配信されてもよい。」 （エ）「［０１１９］ ［侵入度合情報の詳細］ 次に、図５～図１１を参照して、情報生成部３０３，２２０３，３２０３（以下、便宜的に「情報生成部３０３等」と称する）により生成される侵入度合情報（侵入度合情報３１０２，２２００Ａ，３２００Ａ）について説明をする。 [０１２０] まず、図５は、情報生成部３０３等により生成される侵入度合情報の第１例を表す図である。 [０１２１] 図５に示すように、本例に係る侵入度合情報は、直近の所定時間（本例では、１１：００－１２：００の１時間）内における所定領域への人の侵入の検知回数、検知された人の人数（検知人数）、及び追加情報である、所定領域への人の侵入が検知された各回の画像情報（撮像装置４０の撮像画像）を表すテーブル形式の情報である。」 （オ）「[０２０６] 以上、本発明を実施するための形態について詳述したが、本発明はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。 [０２０７] 例えば、上述した実施形態では、表示制御部３０４が表示装置５０に侵入度合情報３１０２を表示させると共に、情報送信部３０５が管理サーバ２００に侵入度合情報３１０２を送信されるが、何れか一方が行われる態様であってもよい。 [０２０８] また、上述した実施形態及びその変形例では、一の作業機械（ショベル）において、一の作業機械に関する侵入度合情報（侵入度合情報３１０２、侵入度合情報２２００Ａ、侵入度合情報３２００Ａ）が生成されるが、当該態様には限定されない。例えば、作業現場で作業する複数の作業機械（例えば、ショベル、ブルドーザ等）のそれぞれに記憶される侵入履歴情報３１０１が集約された複数の作業機械に関する侵入度合情報、つまり、作業現場全体での侵入度合情報が生成されてよい。そして、生成された侵入度合情報が対象となるそれぞれの作業機械のオペレータから視認可能な表示装置に表示されてよいし、複数の作業機械のそれぞれと通信可能な管理サーバに送信されてもよい。このとき、それぞれの作業機械で記憶される侵入履歴情報は、相互に通信可能に接続される複数の作業機械のうちの特定の作業機械に集められ、当該作業機械において、複数の作業機械に関する侵入度合情報が作成されてよい。また、それぞれの作業機械で記憶される侵入履歴情報は、相互に通信可能に接続される複数の作業機械の相互間で共有化され、それぞれの作業機械において、複数の作業機械に関する侵入度合情報が作成されてもよい。また、例えば、管理サーバ２００は、作業現場で作業する複数の作業機械から侵入履歴情報を取得し、管理サーバ２００或いは管理端末３００は、管理サーバ２００に集約された複数の作業機械に関する侵入履歴情報に基づき、作業現場全体での侵入度合情報を生成してもよい。これにより、作業現場の管理者、監督者、それぞれの作業機械のオペレータ等は、管理端末３００やショベルの表示装置５０等を通じて、作業現場全体での侵入度合情報を把握することができる。そのため、作業現場の安全性に対する対応を更に促進させることができる。」 （カ）図２Ａ 「 ［図：0001439177000006.jpg］ 」 イ 甲２Ａ発明 上記アより、甲２Ａには、次の発明（以下「甲２Ａ発明」という。）が記載されていると認められる。 （甲２Ａ発明） 「安全管理システム１００に含まれるショベルであって（［００１１］）、 安全管理システム１００は、ショベルと、通信ネットワーク１５０を通じて、ショベルと通信可能に接続される管理サーバ２００と、通信ネットワーク１５０を通じて、管理サーバ２００と通信可能な管理端末３００を含んでおり（［００３８］）、 ショベルは、安全管理システム１００に関連する構成として、コントローラ３０と、撮像装置４０と、動作・姿勢状態センサ４２と、表示装置５０と、音声出力装置６０と、外部報知装置７０と、通信機器８０を備えており（［００１８］）、 コントローラ３０は、ＲＯＭ等に格納される各種プログラムをＣＰＵ上で実行することにより実現される機能部として、物体検知部３０１と、情報取得部３０２と、情報生成部３０３と、表示制御部３０４と、情報送信部３０５を含み、また、コントローラ３０は、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory）等の内部メモリに規定される記憶領域としての記憶部３１０を含み、（［００４０］） 物体検知部３０１は、ショベルの周辺の所定領域内（ショベルから所定距離Ｄ１以内）への監視対象の侵入を検知するものであり、監視対象は、ショベルの周辺に存在或いは侵入しうる障害物であって、例えば、監視対象には、ショベルの周辺の作業者等の人、ショベルの周辺で作業を行う他の作業機械や車両、ショベルの周辺に仮置きされる工材等が含まれ、既知の各種画像処理手法や機械学習ベースの識別器等を任意に適用することにより、撮像画像内の人を認識すると共に、認識した人の実在位置（ショベルから認識した人までの距離Ｄ等）を特定することができ、（［００４７］、［００４８］） また、物体検知部３０１は、ショベルから所定距離Ｄ３（≦Ｄ１）以内で人を検知した場合、ショベルの各種動作要素（例えば、下部走行体１、上部旋回体３、ブーム４、アーム５、及び、バケット６等）の動作を制限してよく、ショベルから検知された人までの距離が所定距離Ｄ４以下である場合、各種動作要素の操作状態に関わらず、各種動作要素を停止させてよく、各種動作要素を操作する油圧式の操作装置と各種動作要素を駆動する油圧アクチュエータとの間のパイロットラインに設けられる減圧弁或いは切換弁を作動させることにより、当該パイロットラインを減圧或いは遮断し、各種動作要素の動作を制限することができ、（［００５３］［００５４］）、 情報取得部３０２は、物体検知部３０１によりショベルの周辺の所定領域への人の侵入が検知された場合、今回の所定領域への人の侵入と紐づける態様で、所定領域への人の侵入時における各種情報を侵入履歴情報３１０１として記憶部３１０に記憶させ、侵入履歴情報３１０１は、物体検知部３０１によりショベルの周辺の所定領域への人の侵入が検知される度に、情報生成部３０３により履歴的に更新され、テーブル形式のデータとして記憶部３１０に記憶され、侵入履歴情報３１０１には、検知時の画像情報（検知時画像情報）が含まれ（［００６３］～［００６５］）、 情報生成部３０３は、物体検知部３０１により所定領域への人の侵入が検知されるたびに、情報取得部３０２により更新される侵入履歴情報３１０１に基づき、侵入度合情報３１０２を生成し、生成した侵入度合情報３１０２を記憶部３１０に記憶させるものであり、侵入度合情報３１０２は、直近の所定時間内における所定領域への人の侵入の検知回数、検知された人の人数（検知人数）、及び追加情報である、所定領域への人の侵入が検知された各回の画像情報（撮像装置４０の撮像画像）を表すテーブル形式の情報であり（［００８２］、［０１２１］）、 情報送信部３０５は、予め規定された通知条件が成立すると、通信機器８０を制御し、情報生成部３０３により生成された侵入度合情報３１０２を管理サーバ２００に送信し、（［００８５］） 撮像装置４０は、上部旋回体３の上部に取り付けられ、ショベルの周辺を撮像し、後方カメラ４０Ｂ、左側方カメラ４０Ｌ、右側方カメラ４０Ｒを含み、後方カメラ４０Ｂ、左側方カメラ４０Ｌ、右側方カメラ４０Ｒは、ショベルの運転中、所定周期（例えば、１／３０秒）毎に、撮像画像をコントローラ３０に出力し、撮像画像は、コントローラ３０に取り込まれ、（［００２０］、［００４１］） 表示装置５０は、キャビン１０内の操縦席の周辺に設けられ、コントローラ３０による制御の下、オペレータに通知する各種画像情報を表示し、（［００３２］） 表示装置５０は、撮像装置４０の撮像画像（スルー画像）や、コントローラ３０により撮像装置４０の撮像画像に基づき生成される周辺画像等を表示し、表示制御部３０４による制御の下、ショベルの所定領域への人の侵入度合を表す情報を表示し、（［００４３］） 管理サーバ２００は、ショベル（通信機器８０）と通信ネットワーク１５０を介して通信可能に接続し、ショベルを含む作業現場の安全状況に関する侵入度合情報をショベルから受信し、該情報を、作業現場の他の作業機械等に送信し、これにより、他の作業機械のオペレータ等に作業現場の安全状況を把握させて、安全行動を促すことができ、（［００８６］） 外部報知装置７０は、ショベルの周辺の作業者や作業現場の監督者等に向けて報知を行い、（［００３４］） 通信機器８０は、所定の無線通信規格に基づき、所定の通信ネットワーク１５０を通じて、遠隔の外部機器（例えば、管理サーバ２００）と通信する通信デバイスであり、（［００３５］） 管理サーバ２００は、通信機器２１０と、処理装置２２０とを含み、通信機器２１０は、通信ネットワーク１５０を通じて、ショベルと双方向で通信を行うための任意の通信デバイスであり、処理装置２２０は、管理サーバ２００における各種制御処理を行い、（［００８７］～［００８９］） 一の作業機械（ショベル）において、一の作業機械に関する侵入度合情報が生成されるが、作業現場で作業する複数の作業機械（例えば、ショベル、ブルドーザ等）のそれぞれに記憶される侵入履歴情報３１０１が集約された複数の作業機械に関する侵入度合情報、つまり、作業現場全体での侵入度合情報が生成されてよく、そして、生成された侵入度合情報が対象となるそれぞれの作業機械のオペレータから視認可能な表示装置に表示されてよいし、複数の作業機械のそれぞれと通信可能な管理サーバに送信されてもよい、（［０２０８］） ショベル。」 （３）甲３Ａ ア 甲３Ａの記載 甲３Ａには以下の記載がある。 （ア）「【００１４】 図１を参照して、複数の実施形態の１つに係る検出システム１０について説明する。 【００１５】 検出システム１０は、カメラ２０と検出装置３０とを備える。カメラ２０と検出装置３０とは、例えばネットワーク１５を介して情報を送受信可能である。ネットワーク１５は、例えば無線、有線、またはＣＡＮ（Controller Area Network）等を含んでよい。 【００１６】 検出システム１０は、図２に示すように、移動体５０内に搭載することができる。検出装置３０は、移動体５０内の警報装置４０および／またはＥＣＵ（Electronic Control Unit）４５等と、ネットワーク１５を介して情報の送受信を可能としうる。 【００１７】 警報装置４０は、運転者６０に対して警報を発する装置である。警報装置４０は、警告音を発するスピーカー、運転者６０の座席を振動させる振動発生装置を含みうる。警報装置４０は、移動体５０内のディスプレイ装置を兼用することができる。ＥＣＵ４５は、移動体５０の制御用のコンピュータである。移動体が車両の場合、ＥＣＵは、移動体５０のブレーキ制御用のＥＣＵ、エンジン制御用のＥＣＵ、および、ステアリング制御用のＥＣＵを含んでよい。 【００１８】 本開示における「移動体」は、例えば車両、船舶、および航空機等を含んでよい。車両は、例えば自動車、産業車両、鉄道車両、生活車両、および滑走路を走行する固定翼機等を含んでよい。自動車は、例えば乗用車、トラック、バス、二輪車、およびトロリーバス等を含んでよい。産業車両は、例えば農業および建設向けの産業車両等を含んでよい。産業車両は、例えばフォークリフトおよびゴルフカート等を含んでよい。農業向けの産業車両は、例えばトラクター、耕耘機、移植機、バインダー、コンバイン、および芝刈り機等を含んでよい。建設向けの産業車両は、例えばブルドーザー、スクレーバー、ショベルカー、クレーン車、ダンプカー、およびロードローラ等を含んでよい。車両は、人力で走行するものを含んでよい。車両の分類は、上述した例に限られない。例えば、自動車は、道路を走行可能な産業車両を含んでよい。複数の分類に同じ車両が含まれてよい。船舶は、例えばマリンジェット、ボート、およびタンカー等を含んでよい。航空機は、例えば固定翼機および回転翼機等を含んでよい。 【００１９】 カメラ２０は移動体５０に固定される。カメラ２０は移動体５０に対して着脱可能に固定されうる。カメラ２０は、移動体５０の外部領域を撮像可能である。カメラ２０の位置は、移動体５０の内部および外部において任意である。例えば、一実施形態において、カメラ２０は、図２に示すように移動体５０の後方に位置し、移動体５０の後方の外部領域を撮像できる。他の実施形態において、カメラ２０に代えて、移動体５０の内側にカメラ２０ａが設けられてもよい。例えば、一実施形態において、カメラ２０は、図２に示すように移動体５０のリアウィンドウに面し、移動体５０の後方の外部領域を撮像できる。検出装置３０の位置は、移動体５０内において任意である。警報装置４０は、警報を発する。運転者６０は、警報装置４０の発する警報を知覚しうる。例えば、警報装置４０がディスプレイ装置の場合、警報装置４０は、運転者６０によって視認可能に置かれる。例えば図２に示すように、警報装置４０は、移動体５０のダッシュボードの中に位置する。」 （イ）「【００２６】 検出装置３０について詳細に説明する。検出装置３０は、コントローラ３１と、メモリ３２と、入力部３３と、出力部３４とを備える。 【００２７】 入力部３３は、カメラ２０からの撮像画像を受信する入力インタフェースである。出力部３４は、警報装置４０およびＥＣＵ４５へ信号を出力する出力インタフェースである。入力部３３および出力部３４は、カメラ２０の通信部２４と同様な通信インタフェースを備える１つの通信部であってよい。 【００２８】 コントローラ３１は、１つ以上のプロセッサを含む。コントローラ３１は、１つまたは複数のプロセッサが協働するＳｏＣ、およびＳｉＰのいずれかであってよい。コントローラ３１は、第１処理および第２処理を含む処理を実行できる。第１処理において、コントローラ３１は、カメラ２０からの撮像画像について、移動体５０の外部に露出する透光部材に付着した付着物を認識する。第２処理において、コントローラ３１は、認識対象物に係る形状または特徴に基づき撮像画像の部分を検出画像として検出する。コントローラ３１は、第１処理の結果および前記第２処理の結果に基づいて信号を生成する。なお、本願において、「認識対象物」は、検出装置３０、検出システム１０、または、後述するカメラ装置１１が、撮像画像の中から認識する対象となっている物体である。図面において、認識対象物は、単に「対象物」と記載する場合がある。 ・・・ 【００３１】 認識対象物は、検出対象とする被写体物である。認識対象物には、歩行者、自動車、自転車、および、電柱のうち１つ以上を含みうる。検出画像は、撮像画像中から検出された認識対象物と判定されうる認識対象物の候補の画像である。撮像画像中で、認識対象物が、移動体５０の進行方向にある場合、コントローラ３１は、この認識対象物を障害物であると認識しうる。 ・・・ 【００３４】 メモリ３２は、一次メモリおよび二次メモリを含んでよい。メモリ３２は、例えば半導体メモリ、磁気メモリ、および光メモリ等を用いて構成されてよい。半導体メモリは、揮発性メモリおよび不揮発性メモリを含んでよい。磁気メモリは、例えばハードディスクおよび磁気テープ等を含んでよい。メモリ３２は、コントローラ３１の動作に必要な種々の情報およびプログラムを記憶する。例えば、メモリ３２は、カメラ２０より出力された撮像画像、第１処理および第２処理の結果を一時的に保存してよい。メモリ３２は、第１処理および第２処理に使用されるデータを格納してよい。例えば、メモリ３２は、後述するテンプレートマッチングに使用される歩行者、自動車、自転車等の認識対象物のテンプレート、機械学習により得られるアルゴリズム、認識対象物の検出用プログラム等を予め保存してよい。」 （ウ）「【００３７】 複数の実施形態の１つにおいて、コントローラ３１は、座標変換部３５、検出部３６、認識部３７、判定部３８、信号生成部３９（以下、各部ともよぶ）を含む。各部の各々は、ハードウエアモジュールであってよく、ソフトウエアモジュールであってよい。各部が行える動作を、コントローラ３１は実行できる。コントローラ３１は、座標変換部３５、検出部３６、認識部３７、判定部３８、信号生成部３９を含む形態に限られず、座標変換部３５、検出部３６、認識部３７、判定部３８、信号生成部３９の１つ又は複数が省略されてよい。複数の実施形態のうちの１つにおいて、コントローラ３１は、各部の全ての動作を実行してよい。各部が行う動作は、コントローラ３１が行う動作として言い換えてよい。コントローラ３１が各部のいずれかを使役して行う処理は、コントローラ３１が自ら実行してよい。以下に、各部の動作を説明する。」 （エ）「【００４２】 認識部３７は、座標変換部３５から出力された第２画像７５に対して、第２処理を実行する。認識部３７は、第２処理において、撮像画像に対し認識対象物の候補の画像である検出画像を検出する。認識部３７は、特定の認識対象物に対する検出画像の認識対象物らしさを決定するアルゴリズムを有することができる。認識対象物らしさは、検出画像が歩行者、自動車、自転車等の特定の認識対象物である確からしさを確率で示したものとすることができる。認識部３７が行う認識対象物の候補の検出と、当該認識対象物の候補の認識対象物らしさの出力を、認識対象物の認識とよぶ。 【００４３】 認識対象物の認識の方法は、公知の種々の方法を含むものとする。例えば、認識対象物の認識の方法は、物体の形状認識による方法、テンプレートマッチングによる方法、画像から特徴量を算出しマッチングに利用する方法を含む。 【００４４】 物体の形状認識では、撮像画像から背景差分または動き検出等の方法により物体を抽出し、この物体の形状が目的とする物体の形状と一致するか否かを判断するものである。 【００４５】 テンプレートマッチングは、認識対象物のテンプレートを用意し撮像画像上でスライドさせ、撮像画像全体の中にテンプレートの画像との類似度が高い部分画像が存在するか探索するものである。類似度の計算は、ＳＳＤ（Sum of Squared Difference）またはＳＡＤ（Sum of Absolute Difference）、ＮＣＣ（Normalized Cross-Correlation）、ＺＮＣＣ（Zero-means Normalized Cross-Correlation）等の指標を用いることができる。 【００４６】 特徴量を用いる方法は、画像からパターンを認識するのに有用な特徴を数値化した特徴量を抽出し、認識対象物の候補の検出に使用する。この方法では、Ｈａａｒ－ｌｉｋｅ特徴量、ＳＩＦＴ(Scale-Invariant Feature Transform)特徴量、ＳＵＲＦ（Speed Up Robust Features）特徴量、ＨＯＧ(Histograms of Oriented Gradients)特徴量、ＪＯＩＮＴ Ｈａａｒ－ｌｉｋｅ特徴量、Ｊｏｉｎｔ ＨＯＧ特徴量、Ｓｈａｐｅｌｅｔ特徴量、および、ＣｏＨＯＧ（Co-occurrence Histograms of Oriented Gradients）特徴量等を含む多くの種類の特徴量から選択した特徴量を使用しうる。この方法では、認識対象物の特徴量のパターンと撮像画像とのマッチングにより、撮像画像中の認識対象物の候補である検出画像の検出が行われる。この認識方法では、予め多数の学習用の画像から特徴量を算出し、その結果をコンピュータに学習させる。学習した結果に基づいて、識別器が認識対象物を認識する。使用される識別器には、ＳＶＭ（Support Vector Machine）、ＡｄａＢｏｏｓｔ、Ｒｅａｌ ＡｄａＢｏｏｓｔ等が含まれる。特徴量の設定値は、ディープラーニングによって人工知能が算出した値としうる。 【００４７】 何れの方法も、認識対象物らしさを数値化する。認識対象物らしさが閾値以上であれば認識対象物であると判断し、閾値以下であれば認識対象物ではないと判断することが可能になる。認識対象物らしさは、認識対象物である可能性を確率で表すことができる。 【００４８】 判定部３８は、検出部３６が第１処理により検出した第１領域と、認識部３７が第２処理により検出した検出画像の認識対象物らしさに基づいて、検出画像が認識対象物であるか否かを判定する。判定部３８は、第１領域と、第１領域以外の領域である第２領域とでは、認識対象物であることを判定するために異なる処理を実行してよい。」 （オ）「【００７３】 互いに異なるアルゴリズムを用いるとは、認識アルゴリズムで用いる一部の要素を異ならせることを含む。例えば、認識部３７は、テンプレートマッチングに用いるテンプレートを変更してよい。または、認識部３７は、特徴量を用いた認識における、機械学習で得られた学習結果を変更すること等を行いうる。また、認識部３７は、画像認識処理に用いる何れかのパラメータを変更することができる。」 イ 甲３Ａ技術事項 上記アより、甲３Ａには、次の技術事項（以下「甲３Ａ技術事項」という。）が記載されていると認められる。 （甲３Ａ技術事項） 「移動体はショベルカーであって、（【００１８】） 移動体５０内に、検出システム１０を搭載し、（【００１６】） 検出システム１０は、カメラ２０と検出装置３０とを備えており、（【００１５】） カメラ２０は、移動体５０の外部領域を撮像可能であって、（【００１９】） 検出装置３０は、コントローラ３１と、メモリ３２と、入力部３３と、出力部３４とを備えており、（【００２６】） メモリ３２は、カメラ２０より出力された撮像画像を一時的に保存し、テンプレートマッチングに使用される歩行者、自動車、自転車等の認識対象物のテンプレート、機械学習により得られるアルゴリズム、認識対象物の検出用プログラム等を予め保存し、（【００３４】） コントローラ３１は、認識部３７、判定部３８を含み、（【００３７】） 認識部３７は、認識対象物の認識を、予め多数の学習用の画像から特徴量を算出し、その結果をコンピュータに学習させ、学習した結果に基づいて、識別器が認識対象物を認識する、という認識方法で行うものであって、認識部３７は、特徴量を用いた認識における、機械学習で得られた学習結果を変更すること等を行いうるものであり、また、画像認識処理に用いる何れかのパラメータを変更することができ、（【００４２】、【００４６】、【００７３】） 判定部３８は、検出画像が認識対象物であるか否かを判定するものであること。（【００４８】）」 （４）甲４Ａ ア 甲４Ａの記載 甲４Ａには以下の記載がある。 （ア）「［０００１］ 本発明は、機械学習用データベース作成システムに関する。 ［０００２］ 一般に鉱山においては、土砂の採掘作業および運搬作業として油圧ショベルやダンプトラックなどの鉱山用作業機械が用いられている。鉱山に用いられる鉱山用作業機械としては、安全性や低コスト化の観点から無人化が求められる。ダンプトラックにおいては、単位時間当たりの土砂の運搬量が採掘の進捗度に直結するため、効率の良い運用が求められる。したがって、土砂を効率良く採掘現場の外に大量に運搬するためには、連続運転可能な自律走行式のダンプトラックを用いた鉱山システムが必要とされている。 ［０００３］ ところが、ダンプトラックを走行させる鉱山の走行路はオフロードであって悪路が多いため、ダンプトラックを自律走行させて無人運転させる際、土壁や他車両等の障害物との衝突が懸念される。仮に、走行路上に障害物が生じ、自律走行式の無人のダンプトラックが障害物と接触して停止した場合には、鉱山の運行を長時間に亘って停止させてしまう。よって、自律走行式のダンプトラックの信頼性を高めるためには、前方車両や走行路上の障害物を早期に検知して、前方車両の追従走行や障害物の回避走行を行わせることが可能な信頼性の高い障害物検知システムが必要となる。 ・・・ ［０００５］ また、高性能な障害物検出システム及び物体認識システムを開発するにあたって、近年では機械学習が用いられることがある。機械学習では、各センサのデータを大量に集めることにより、傾向を分析し、パラメータ決定を行う。旧来は閾値を設計データや検証実験によるデータに基づき人手で設計することが多かったが、この手法は設計者の経験に基づいており、信頼性が低く、また設計工数も大きくなる。こういった問題を解決するために、現在では機械学習を用いてパラメータ設計を行うことが大半である。 ［０００６］ 一例として乗用車の衝突防止システム向けのカメラによる自動車などの検出システムを挙げる。まず、対象の車両に取り付けたカメラで様々な場所や、日時において他車両を撮影し、撮影した画像データを集める。続いて、この撮影した画像データのどの箇所がシステムで検出すべき車両であるかを示す、教師データを作成する。この教師データは一般的に画像データ一枚ごとに人手で作成することが多い。この画像データと作成した教師データを用いて、機械学習させることにより、自動車の画像上の特徴を学習することができ、またこの学習した結果に基づきパラメータ設定することにより、画像中の人を計算機で自動的に認識することのできる物体認識システムを開発することができる。こういった機械学習システムとして近年よく用いられているのはＳｕｐｐｏｒｔ Ｖｅｃｔｏｒ ＭａｃｈｉｎｅやＢｏｏｓｔｉｎｇ、ニューラルネットワークなどの手法である。 ・・・ ［０００９］ また、こういったシステムを鉱山で実施する場合、一般道と環境が大きく異なるため、鉱山環境で撮影した画像データを用い機械学習するのが望ましい。・・・」 （イ)「［００２３］ 本実施例ではまず、３次元形状データ入力部１１において計測対象３の地形の３次元形状情報を取得し、続いて車両情報、センサ情報を３次元シミュレータ部１２に入れることにより、環境の仮想空間を生成する。続いてその仮想空間の情報と、事前に得られた車両情報とセンサ情報に基づいて、教師データ出力部１３において仮想画像データ、教師データ群を機械学習システムに教師用データのデータベースとして与える。これにより、機械学習システムが仮想画像データと教師データをもとに学習し、覚えさせた計測対象の物体を認識することが可能な物体認識システムを構築することができる。」 イ 甲４Ａ技術事項 上記アより、甲４Ａには、次の技術事項（以下「甲４Ａ技術事項」という。）が記載されていると認められる。 （甲４Ａ技術事項） 「一般に鉱山においては、土砂の採掘作業および運搬作業として油圧ショベルやダンプトラックなどの鉱山用作業機械が用いられていて、（［０００２］） ダンプトラックを自律走行させて無人運転させる際、自律走行式のダンプトラックの信頼性を高めるために、信頼性の高い障害物検出システムが必要であって、高性能な障害物検出システム及び物体認識システムを開発するにあたっては、機械学習を用いてパラメータ設計を行うことが大半であって、（［０００３］、［０００５］） 学習した結果に基づきパラメータ設定することにより、画像中の人を計算機で自動的に認識することのできる物体認識システム開発することができ、機械学習システムとしてよく用いられているのが、ニューラルネットワークなどの手法であり、（［０００６］） 仮想画像データ、教師データ群を機械学習システムに教師用データのデータベースとして与えることにより、機械学習システムが仮想画像データと教師データをもとに学習し、覚えさせた計測対象の物体を認識することが可能な物体認識システムを構築することができること。［００２３］」 （５）甲１Ｂ ア 甲１Ｂの記載 甲１Ｂには、以下の記載がある。 （ア）「【０００９】 図１は、本発明の実施例に係る周辺監視システム１００が搭載される建設機械としてのショベルの側面図である。ショベルの下部走行体１には、旋回機構２を介して上部旋回体３が搭載される。上部旋回体３には、ブーム４が取り付けられる。ブーム４の先端にはアーム５が取り付けられ、アーム５の先端にはバケット６が取り付けられる。ブーム４、アーム５、及びバケット６は掘削アタッチメントを構成し、ブームシリンダ７、アームシリンダ８、及びバケットシリンダ９によりそれぞれ油圧駆動される。また、上部旋回体３には、キャビン１０が設けられ、且つエンジン等の動力源が搭載される。また、上部旋回体３の上部には撮像装置４０が取り付けられる。具体的には、上部旋回体３の後端上部、左端上部、右端上部に後方カメラ４０Ｂ、左側方カメラ４０Ｌ、右側方カメラ４０Ｒが取り付けられる。また、キャビン１０内にはコントローラ３０及び出力装置５０が設置される。 【００１０】 図２は、周辺監視システム１００の構成例を示す機能ブロック図である。周辺監視システム１００は、主に、コントローラ３０、撮像装置４０、及び出力装置５０を含む。 【００１１】 コントローラ３０は、ショベルの駆動制御を行う制御装置である。本実施例では、コントローラ３０は、ＣＰＵ及び内部メモリを含む演算処理装置で構成され、内部メモリに格納された駆動制御用のプログラムをＣＰＵに実行させて各種機能を実現する。 【００１２】 また、コントローラ３０は、各種装置の出力に基づいてショベルの周辺に人が存在するかを判定し、その判定結果に応じて各種装置を制御する。具体的には、コントローラ３０は、撮像装置４０及び入力装置４１の出力を受け、抽出部３１、識別部３２、追跡部３３、及び制御部３５のそれぞれに対応するソフトウェアプログラムを実行する。そして、その実行結果に応じて機械制御装置５１に制御指令を出力してショベルの駆動制御を実行し、或いは、出力装置５０から各種情報を出力させる。なお、コントローラ３０は、画像処理専用の制御装置であってもよい。 【００１３】 撮像装置４０は、ショベルの周囲の画像を撮像する装置であり、撮像した画像をコントローラ３０に対して出力する。本実施例では、撮像装置４０は、ＣＣＤ等の撮像素子を採用するワイドカメラであり、上部旋回体３の上部において光軸が斜め下方を向くように取り付けられる。 【００１４】 入力装置４１は操作者の入力を受ける装置である。本実施例では、入力装置４１は、操作装置（操作レバー、操作ペダル等）、ゲートロックレバー、操作装置の先端に設置されたボタン、車載ディスプレイに付属のボタン、タッチパネル等を含む。 【００１５】 出力装置５０は、各種情報を出力する装置であり、例えば、各種画像情報を表示する車載ディスプレイ、各種音声情報を音声出力する車載スピーカ、警報ブザー、警報ランプ等を含む。本実施例では、出力装置５０は、コントローラ３０からの制御指令に応じて各種情報を出力する。 【００１６】 機械制御装置５１は、ショベルの動きを制御する装置であり、例えば、油圧システムにおける作動油の流れを制御する制御弁、ゲートロック弁、エンジン制御装置等を含む。 【００１７】 抽出部３１は、撮像装置４０が撮像した撮像画像から識別処理対象画像を抽出する機能要素である。具体的には、抽出部３１は、局所的な輝度勾配又はエッジに基づく簡易な特徴、Hough変換等による幾何学的特徴、輝度に基づいて分割された領域の面積又はアスペクト比に関する特徴等を抽出する比較的演算量の少ない画像処理（以下、「前段画像認識処理」とする。）によって識別処理対象画像を抽出する。識別処理対象画像は、後続の画像処理の対象となる画像部分（撮像画像の一部）であり、人候補画像を含む。人候補画像は、人画像である可能性が高いとされる画像部分（撮像画像の一部）である。 【００１８】 識別部３２は、抽出部３１が抽出した識別処理対象画像に含まれる人候補画像が人画像であるかを識別する機能要素である。具体的には、識別部３２は、ＨＯＧ（Histograms of Oriented Gradients）特徴量に代表される画像特徴量記述と機械学習により生成した識別器とを用いた画像認識処理等の比較的演算量の多い画像処理（以下、「後段画像認識処理」とする。）によって人候補画像が人画像であるかを識別する。識別部３２が人候補画像を人画像として識別する割合は、抽出部３１による識別処理対象画像の抽出が高精度であるほど高くなる。なお、識別部３２は、夜間、悪天候時等の撮像に適さない環境下で所望の品質の撮像画像を得られない場合等においては、人候補画像の全てが人画像であると識別し、抽出部３１が抽出した識別処理対象画像における人候補画像の全てを人であると識別してもよい。人の検知漏れを防止するためである。」 （イ）「【００６２】 次に図１２を参照し、識別部３２の詳細について説明する。図１２は識別部３２の構成例を示す機能ブロック図である。 【００６３】 識別部３２は、主に、輝度フィルタ部３２ａ、画像特徴量算出部３２ｂ、汎用識別部３２ｃ、特殊識別部３２ｄ、パタンフィルタ部３２ｅ、及び調整部３２ｆを含む。 ・・・ 【００８２】 汎用識別部３２ｃは、多数の教師画像を用いた機械学習によって生成される汎用識別器である。本実施例では、汎用識別部３２ｃは、例えば、識別結果が真陽性（True Positive）であった教師画像の数の全教師画像数に対する比率である真陽性率が９５％、且つ、識別結果が真陰性（True Negative）であった教師画像の数の全教師画像数に対する比率である真陰性率が９５％となるように設定される。「真陽性」は、人画像が正しく人画像として識別されたことを意味し、「真陰性」は、非人画像が正しく非人画像と識別されたことを意味する。 【００８３】 特殊識別部３２ｄは、前段の識別器の識別結果が偽陽性（False Positive）であった多数の教師画像を用いた機械学習によって生成される識別器である。「偽陽性」は、非人画像が誤って人画像として識別されたことを意味する。「偽陰性（False Negative）」は、人画像が誤って非人画像として識別されたことを意味する。本実施例では、特殊識別部３２ｄは、汎用識別器の識別結果が偽陽性であった教師画像を用いた機械学習によって生成される第１特殊識別器～第４特殊識別器を含む。汎用識別器の識別結果が偽陽性であった教師画像は、例えばｋ－ｍｅａｎｓ法等によって所定数（例えば特殊識別器の数と同じ数であり本実施例では４）のクラスタにクラスタリング（分類）される。そして、各クラスタに含まれる教師画像を用いた機械学習によって対応する特殊識別器が生成される。 【００８４】 汎用識別部３２ｃと特殊識別部３２ｄとでカスケード型識別器が構成される。具体的には、第４特殊識別器による識別は、第３特殊識別器による識別で人画像であると識別された識別処理対象画像のみに対して行われる。同様に、第３特殊識別器による識別は、第２特殊識別器による識別で人画像であると識別された識別処理対象画像のみに対して行われ、第２特殊識別器による識別は、第１特殊識別器による識別で人画像であると識別された識別処理対象画像のみに対して行われる。また、第１特殊識別器による識別は、汎用識別部３２ｃによる識別で人画像であると識別された識別処理対象画像のみに対して行われる。但し、特殊識別部３２ｄは、１つ、２つ、若しくは３つの特殊識別器で構成されてもよく、５つ以上の特殊識別器で構成されてもよい。 ・・・ 【０１０６】 調整部３２ｆは、識別部３２の特性を調整する機能要素である。本実施例では、調整部３２ｆは、入力装置４１を介して入力された操作者の指令に応じて汎用識別部３２ｃ及び特殊識別部３２ｄの少なくとも一方に関する調整パラメータを変更する。調整パラメータは識別部３２の特性を調整するためのパラメータであり、識別部３２を構成する複数の識別器のそれぞれの特性に関する情報を含む。本実施例では、調整パラメータは誤報の発生傾向を調整するためのパラメータであり、例えば識別境界値である。 ・・・ 【０１１２】 また、調整部３２ｆは、使用環境毎に異なる学習サンプルを用いて識別器を生成し直すといった煩雑な作業を必要とすることなく、簡易且つ迅速に識別部３２による誤報の発生傾向を調整できる。その結果、使用環境毎に異なる誤報の発生傾向に柔軟に対応できる。 ・・・ 【０１１５】 また、調整部３２ｆは、調整パラメータセットの切り換えによっても識別部３２による誤報の発生傾向を変えることができないと判断した場合にその旨を操作者に通知してもよい。新たな教師画像に基づく機械学習の必要性を操作者に伝えるためである。 【０１１６】 以上の構成により、様々な使用環境で使用されるショベルに搭載される周辺監視システム１００は、使用環境に適した調整パラメータセットを用いることで人識別能力の特性を調整できる。その結果、周辺監視システム１００は、特定の使用環境で発生する特定の誤報を抑制できる。 ・・・ 【０１３２】 追跡部３３は、識別部３２が所定時間毎に出力する識別結果を追跡して最終的な人検知結果を出力する機能要素である。本実施例では、追跡部３３は、連続する所定回数分の同一人に関する識別結果が所定条件を満たす場合に、対応する人候補画像が人画像であると判定する。すなわち、対応する三次元位置（実在位置）に人が存在すると判定する。同一人であるか否かはその実在位置に基づいて判定される。具体的には、追跡部３３は、識別部３２による１回目の識別処理において人画像であると識別された画像に写る人の実在位置（参照点ＰｒＩ）に基づいて所定時間内にその人が到達可能な範囲を導き出す。到達可能な範囲は、ショベルの最大旋回速度、ショベルの最大走行速度、人の最大移動速度等に基づいて設定される。そして、２回目の識別処理において人画像であると識別された画像に写る人の実在位置（参照点ＰｒＩＩ）がその範囲内であれば同一人であると判定する。３回目以降の識別処理についても同様である。そして、追跡部３３は、例えば、連続する６回の識別結果のうちの４回で同一人の人画像であると識別された場合に、対応する三次元位置に人が存在すると判定する。また、１回目の識別処理において人画像であると識別された場合であっても、その後の連続する３回の識別処理において同一人の人画像が識別されなかった場合には、対応する三次元位置には人が存在しないと判定する。 【０１３３】 このように、抽出部３１、識別部３２、及び追跡部３３の組み合わせは、撮像装置４０の撮像画像に基づいてショベルの周辺に人が存在するか否かを検知する人検知部３４を構成する。 ・・・ 【０１３８】 また、制御部３５は、人検知部３４を構成する追跡部３３の最終的な人検知結果に応じて各種装置を制御する。例えば、追跡部３３の最終的な人検知結果に応じて機械制御装置５１に制御指令を出力してショベルの状態を第１状態と第２状態との間で切り換える。第１状態は、ショベルの動きの制限が解除されている状態、警報の出力が停止されている状態等を含む。第２状態はショベルの動きを制限し或いは停止させている状態、警報を出力させている状態等を含む。本実施例では、制御部３５は、追跡部３３の最終的な人検知結果に基づいてショベルの周辺の所定範囲内に人が存在すると判定した場合、機械制御装置５１に制御指令を出力してショベルの状態を第１状態から第２状態に切り換える。例えば、ショベルの動きを停止させる。この場合、操作者による操作は無効にされる。具体的には、ゲートロック弁に制御指令を出力して操作装置を油圧システムから切り離すことで無操作状態を強制的に創出してショベルの動きを停止させる。或いは、エンジン制御装置に制御指令を出力してエンジンを停止させてもよい。或いは、油圧アクチュエータに流入する作動油の流量を制御する制御弁に制御指令を出力して制御弁の開口面積、開口面積変化速度等を変化させることで油圧アクチュエータの動きを制限してもよい。この場合、最大旋回速度、最大走行速度等が低減される。」 （ウ）図２ 「 ［図：0001439177000007.jpg］ 」 （エ）図１２ 「 ［図：0001439177000008.jpg］ 」 イ 甲１Ｂ発明 上記アより、甲１Ｂには、次の発明（以下「甲１Ｂ発明」という。）が記載されていると認められる。 （甲１Ｂ発明） 「周辺監視システム１００が搭載されるショベルにおいて（【０００９】）、 周辺監視システム１００は、主に、コントローラ３０、撮像装置４０、及び出力装置５０を含み（【００１０】）、 コントローラ３０は、ＣＰＵ及び内部メモリを含む演算処理装置で構成され、内部メモリに格納された駆動制御用のプログラムをＣＰＵに実行させて各種機能を実現し（【００１１】）、 コントローラ３０は、撮像装置４０及び入力装置４１の出力を受け、抽出部３１、識別部３２、追跡部３３、及び制御部３５のそれぞれに対応するソフトウェアプログラムを実行し、その実行結果に応じて機械制御装置５１に制御指令を出力してショベルの駆動制御を実行し、或いは、出力装置５０から各種情報を出力させ（【００１２】）、 撮像装置４０は、ショベルの周囲の画像を撮像する装置であり、撮像した画像をコントローラ３０に対して出力し（【００１３】）、 入力装置４１は、操作装置（操作レバー、操作ペダル等）、ゲートロックレバー、操作装置の先端に設置されたボタン、車載ディスプレイに付属のボタン、タッチパネル等を含み、（【００１４】） 機械制御装置５１は、ショベルの動きを制御する装置であり、例えば、油圧システムにおける作動油の流れを制御する制御弁、ゲートロック弁、エンジン制御装置等を含み（【００１６】）、 抽出部３１は、撮像装置４０が撮像した撮像画像から識別処理対象画像を抽出する機能要素であり、識別処理対象画像は、後続の画像処理の対象となる画像部分（撮像画像の一部）であり、人候補画像を含み、（【００１７】）、 識別部３２は、抽出部３１が抽出した識別処理対象画像に含まれる人候補画像が人画像であるかを識別する機能要素であり、具体的には、ＨＯＧ（Histograms of Oriented Gradients）特徴量に代表される画像特徴量記述と機械学習により生成した識別器とを用いた画像認識処理等の比較的演算量の多い画像処理によって人候補画像が人画像であるかを識別し（【００１８】）、 識別部３２は、主に、輝度フィルタ部３２ａ、画像特徴量算出部３２ｂ、汎用識別部３２ｃ、特殊識別部３２ｄ、パタンフィルタ部３２ｅ、及び調整部３２ｆを含み（【００６３】）、 汎用識別部３２ｃは、多数の教師画像を用いた機械学習によって生成される汎用識別器であり（【００８２】）、 特殊識別部３２ｄは、前段の識別器の識別結果が偽陽性（False Positive）であった多数の教師画像を用いた機械学習によって生成される識別器であり（【００８３】）、 調整部３２ｆは、識別部３２の特性を調整する機能要素であり、入力装置４１を介して入力された操作者の指令に応じて汎用識別部３２ｃ及び特殊識別部３２ｄの少なくとも一方に関する調整パラメータを変更するものであって、調整パラメータは識別部３２の特性を調整するためのパラメータであり（【０１０６】）、 調整部３２ｆは、使用環境毎に異なる学習サンプルを用いて識別器を生成し直すといった煩雑な作業を必要とすることなく、簡易且つ迅速に識別部３２による誤報の発生傾向を調整でき（【０１１２】）、 また、調整部３２ｆは、調整パラメータセットの切り換えによっても識別部３２による誤報の発生傾向を変えることができないと判断した場合にその旨を操作者に通知するものであり、新たな教師画像に基づく機械学習の必要性を操作者に伝えるためのものであり、（【０１１５】） 追跡部３３は、識別部３２が所定時間毎に出力する識別結果を追跡して最終的な人検知結果を出力する機能要素であり、（【０１３２】） 抽出部３１、識別部３２、及び追跡部３３の組み合わせは、撮像装置４０の撮像画像に基づいてショベルの周辺に人が存在するか否かを検知する人検知部３４を構成し、（【０１３３】） 制御部３５は、追跡部３３の最終的な人検知結果に基づいてショベルの周辺の所定範囲内に人が存在すると判定した場合、ショベルの動きを停止させるものであって、具体的には、ゲートロック弁に制御指令を出力して操作装置を油圧システムから切り離すことで無操作状態を強制的に創出してショベルの動きを停止させ、或いは、エンジン制御装置に制御指令を出力してエンジンを停止させ、或いは、油圧アクチュエータに流入する作動油の流量を制御する制御弁に制御指令を出力して、油圧アクチュエータの動きを制限する、（【０１３５】） ショベル。」 （６）甲２Ｂ ア 甲２Ｂの記載 甲２Ｂには、以下の記載がある。 （ア）「【０００１】 【発明の属する技術分野】本発明は、たとえば、複数の場所にそれぞれ設置され、あらかじめ登録されている人物の固有の生体特徴情報を利用して本人確認を行なう複数の生体照合端末装置（クライアント）と、この複数の生体照合端末装置とそれぞれネットワークを介して接続された生体照合管理装置（サーバ）とから構成され、複数地点での照合が可能な人物認識システムに関する。 ・・・ 【０００３】 【発明が解決しようとする課題】ネットワークで接続されて複数地点での照合が可能な人物認識システムにおいて、生体照合端末装置の設置環境によっては、登録された生体特徴情報とは異なる傾向のある生体特徴情報が入力される可能性があり、そのような状態においては正しく照合を行なえない可能性がある。 【０００４】たとえば、人物の顔の特徴情報を利用する人物認識システムにおいては、生体照合端末装置の設置場所における照明環境の違いなどによって、入力される生体特徴情報が変わってしまうことから、場所によって正しく認識できたり認識できなかったりという状態になることがある。 【０００５】そこで、本発明は、生体照合端末装置の設置環境によらず、常に安定した認識性能での本人確認を行なうことが可能となる人物認識システムを提供することを目的とする。」 （イ）「【０００８】まず、第１の実施の形態について説明する。図１は、第１の実施の形態に係る人物認識システムの構成を概略的に示すものである。この人物認識システムは、複数の場所にそれぞれ設置され、あらかじめ登録されている人物の固有の顔特徴情報を利用して本人確認を行なう複数の生体照合端末装置としての顔照合端末装置１０、この複数の顔照合端末装置１０とそれぞれ通信回線としてのネットワーク回線２０を介して接続された生体照合管理装置としての顔特徴情報管理サーバ３０とから構成されている。 【０００９】顔照合端末装置１０は、認識対象となる人物Ｍの顔画像を撮像して入力する生体特徴取得手段としてのカメラ１００、カメラ１００から入力された顔画像から人物固有の入力特徴情報（顔特徴情報）を取得する生体特徴取得手段としての顔特徴取得部１０１、あらかじめ登録されている人物の登録特徴情報（顔特徴情報）を記憶（保存）しておく登録情報記憶手段としての登録情報記憶部１０２、顔特徴取得部１０１から得られた入力特徴情報と登録情報記憶部１０２内の登録特徴情報とを照合することにより、あらかじめ登録されている人物であるか否かを判定する照合手段としての照合部１０３、照合部１０３の判定結果に応じて所定の出力を行なう出力手段としての出力部１０４、および、顔特徴情報管理サーバ３０との通信（送受信）を行なう送信および受信手段としての通信部１０５から構成され、人物Ｍの顔を認識して登録者であるかどうかを判定し、登録者であればなんらかの操作を許可するといった制御を行なうようになっている。 【００１０】顔特徴情報管理サーバ３０は、各顔照合端末装置１０から送信される各種情報を受信したり、各顔照合端末装置１０へ各種情報を配信（送信）したりする配信（送信）および受信手段としての通信部１０６、各顔照合端末装置１０と同等の登録特徴情報を記憶する登録情報記憶手段としての登録情報記憶部１０７、および、顔照合端末装置１０から得られる各種情報と登録情報記憶部１０７内の登録特徴情報から、新たな登録特徴情報を計算（生成）する生体特徴情報管理手段としての管理部１０８から構成され、各顔照合端末装置１０から送られてきた各種情報を管理し、各顔照合端末装置１０に適した特徴情報などを配信するようになっている。」 （ウ）「【００１７】顔照合端末装置１０の通信部１０５は、カメラ１００から入力された顔画像、および、照合部１０３の判定結果と顔特徴取得部１０１で取得された入力特徴情報の外にも、図示しない入力手段により入力されたＩＤ番号やパスワード、当該顔照合端末装置１０のＩＤ番号といった各種情報を顔特徴情報管理サーバ３０に送信することが可能である。なお、通信手段としては、イーサーネットやシリアルケーブル接続など、一般的に利用されている機器を利用することで実現される。また、通信内容は、必要に応じて暗号化処理をすることも可能とする。 ・・・ 【００２０】顔特徴情報管理サーバ３０の管理部１０８は、通信部１０６によって受信された入力特徴情報を受取り、必要に応じて登録済の登録特徴情報の一部または全てを再計算することによって書換え、書換えた結果を通信部１０６を用いて各顔照合端末装置１０へ配信させることも行なう。この際、書換えた結果をどの顔照合端末装置１０に反映させるかどうかは、図２に示すような配信テーブルの設定情報を基に判断する。 ・・・ 【００２２】この場合、同じ配信グループに所属する顔照合端末装置同士では登録特徴情報を共有化するように設定されていることになり、顔照合端末装置Ａからの入力特徴情報によって登録されていた登録特徴情報が書換えられた場合、その書換えられた登録特徴情報を配信するのは同じ配信グループに属する顔照合端末装置Ａ，Ｂ，Ｃだけに送られることになる。違う配信グループである顔照合端末装置Ｄ，Ｅ，Ｆには配信されない。これは、設置場所の照明環境が類似しており、登録特徴情報を共有可能であると判定された配信グループのみに配信を行なうことを目的としたものである。 ・・・ 【００３４】顔照合端末装置１０では、顔特徴情報管理サーバ３０から配信された新たな登録特徴情報を通信部１０５により受信し、照合部１０３において、登録情報記憶部１０２内の対応する登録特徴情報を、この受信した新たな登録特徴情報に更新し、以降その人物の照合を可能な状態とする。」 （エ）図３ 「 ［図：0001439177000009.jpg］ 」 （７）甲３Ｂ 甲３Ｂは甲１Ａと同じ文献であるので、記載された事項及び記載された発明について、上記（１）に示したのと同様である。 （８）周知技術及び技術常識 ア 周知技術 上記甲２Ａ発明には、ショベルにおいて、上部旋回体３の上部に取り付けられ、ショベルの周辺を撮像する撮像装置４０が備えられ、既知の各種画像処理手法や機械学習ベースの識別器等を任意に適用することにより、撮像画像内の人を認識すると共に、認識した人の実在位置（ショベルから認識した人までの距離Ｄ等）を特定することが示されており、上記甲３Ａ技術事項には、カメラ２０と検出装置３０とを備えた検出システム１０を搭載したショベルカーにおいて、機械学習の結果に基づいて、認識対象物を認識できることが示されており、上記甲４Ａ技術事項には、鉱山用作業機械であるダンプトラックを自律走行させて無人運転させる際、自律走行式のダンプトラックの信頼性を高めるために、機械学習を用いてパラメータ設計を行って、高性能な障害物検出システム及び物体認識システムとすること、及び、機械学習システムとしてよく用いられているのが、ニューラルネットワークであることが示されており、甲１Ｂ発明には、ショベルにおいて、コントローラ３０は、各種装置の出力に基づいてショベルの周辺に人が存在するかを判定するものであって、具体的には、コントローラ３０の識別部３２が、ＨＯＧ（Histograms of Oriented radients）特徴量に代表される画像特徴量記述と機械学習により生成した識別器とを用いて、人候補画像が人画像であるかを識別することが示されている。 以上のことをふまえると、ショベル、ダンプトラック等の作業機械の分野において、機械学習を用いて開発された、画像等を利用する物体認識システムは、周知技術である。 イ 技術常識 ショベルが大型特殊車両であることは、技術常識である。 ２ 参考資料について （１）参考資料１ 参考資料１には、以下の事項が記載されている。 「【０００２】 【従来の技術】従来から、油圧ショベルや移動式クレーン等の作業車両の作業領域への侵入物（人間、他の車両等の障害物）を監視して、作業車両の起動や停止を制御する制御装置（いわゆる作業領域監視装置）が提案されている。例えば、特開平５-６５７２５号公報には、油圧ショベルなど上部旋回式建設機械、作業車両などの旋回用安全装置が開示されている。同公報によると、上部旋回体を有する建設機械に受発信可能な超音波センサなどの感知センサを配置し、この感知センサによる感知エリアを平面視で複数個の範囲に分割し、その分割した範囲のうち上部旋回体及びその作業アタッチメントのそれぞれ外周部に近接した範囲を旋回停止エリアに、またその旋回停止エリアの外側周辺に隣接され、上部旋回体及びその作業アタッチメントから若干離れた位置の範囲を旋回低速エリアに設定している。そして、上部旋回体の旋回作動時に人又は障害物が旋回停止エリアに入ったときに上部旋回体の旋回作動を停止し、また上部旋回体の旋回停止時に人又は障害物が旋回停止エリアに入ったときにはその後の旋回起動を停止し、また人又は障害物が旋回低速エリアに入ったときには旋回最高速度を所定の低速に制限するようにしている。」 （２）参考資料２ 参考資料２には、以下の事項が記載されている。 「【００１４】 次に、図２を参照して制御装置３０の詳細について説明する。なお、図２は制御装置３０の構成例を示す機能ブロック図である。本実施例では、制御装置３０は、姿勢検出装置４０、人検出装置４１等の出力を受けて各種演算を実行し、制御弁４３、表示装置４４、音声出力装置４５等に対して各種情報を出力する。例えば、制御装置３０は、姿勢検出装置４０及び人検出装置４１の出力に基づいてショベルの周辺の人（例えばショベル周辺で作業する作業者）とアタッチメント上の所定位置（例えばアーム５の先端位置）との距離（以下、「対象距離」とする。）を算出する。そして、対象距離が所定の制限開始距離以下となった場合にショベルの動きを制限する。例えば、アーム５の動きを制限してもよい。バケット６の水平方向への比較的大きな移動をもたらすアーム５の動きを制限することは、ブーム４等の他の作業体の動きを制限することに比べ、アタッチメントと作業者との接触を防止する上で効果が高いためである。また、制御装置３０はブーム４の動きを制限してもよく、旋回機構２の動きを制限してもよい。制限方法は、パイロット圧を制御する方法、油圧ポンプの吐出量を制限する方法等、任意の方法が採用されてもよい。 【００１５】 制御装置３０は、操作装置２６としてのアーム操作装置（アーム操作レバー）の操作量に対応するパイロット圧を低減させることでアーム５の動きのみを鈍化させ或いは停止させる。但し、旋回機構２、ブーム４、バケット６等の動きを同時に鈍化させ或いは停止させてもよい。また、制御装置３０は、油圧ポンプの吐出量を調整する機構を動作させてアーム５の動きを制限してもよい。具体的には、アームシリンダ８に作動油を供給する油圧ポンプの吐出量を低減させることでアーム５の動きを制限してもよい。なお、この場合には旋回機構２、ブーム４、バケット６等の動きも同時に制限される。また、対象距離が制限開始距離以下となった場合にその旨を示す情報を表示装置４４に表示させてもよく、音声出力装置４５から音声出力させてもよい。」 （３）参考資料３ 参考資料３には、以下の事項が記載されている。 「【０００７】 ７は上部旋回体３に設けられるミリ波レーダ（本発明の「障害物検出手段」に相当する）の送受信装置であって、該送受信装置７は、例えば周波数７６ＧＨｚ（ギガヘルツ）のミリ波を送信し、障害物があった場合に、その反射波を高い感度で受信できるようになっている。送受信装置７としては、上部旋回体３の後方検出用のものが左右に二つ７ＬＢ、７ＲＢ、上部旋回体３の左側方検出用のもの７Ｌ、上部旋回体３の右側方検出用のもの７Ｒに別けられてそれぞれが設けられており、これら送受信装置７によって上部旋回体３の周囲にある障害物検出ができるようになっている。・・・ 【０００８】 本実施の形態では、機体本体１の後進走行、上部旋回体３の左右旋回作動についてそれぞれ接触回避制御が実行されるが、その場合に、左右走行モータおよび旋回モータにそれぞれ圧油供給をするための切換え制御弁のパイロット油路に電磁減圧弁が設けられ、該電磁減圧弁の全開から全閉までの開度量調整制御によって接触回避制御が実行される。・・・」 （４）参考資料４ 参考資料４には、以下の事項が記載されている。 ア「【０００９】 前記の農業用作業車両においては、以下の構成とすることが好ましい。即ち、この農業用作業車両は、他の農業用作業車両と通信可能な通信部を備える。前記制御部は、前記圃場情報、前記過去の走行情報及び過去の作業情報のうち少なくとも何れかについて、前記通信部を介して前記他の農業用作業車両から取得すること、及び、前記通信部を介して前記他の農業用作業車両に提供すること、の少なくとも一方が可能である。」 イ「【００６５】 次に、トラクタ１が備える制御部４が、他のトラクタ１ａが備える制御部４に記憶されたデータを無線通信により取得し、動作予測モデル８１を学習させるデータとして利用する例について、図１２を用いて説明する。図１２は、制御部４が無線通信によって他のトラクタ１ａが備える制御部４で学習されたデータを取得する場合の、トラクタ１の制御系の主要な構成を示すブロック図である。」 ウ「【００７１】 また、本実施形態のトラクタ１は、他のトラクタ１ａと通信可能な無線通信部４０を備える。制御部４は、圃場情報、過去の走行情報及び過去の作業情報のうち少なくとも何れかについて、無線通信部４０を介して他のトラクタ１ａから取得することも、無線通信部４０を介して他のトラクタ１ａに提供することもできる。」 第６ 取消理由通知に記載した取消理由についての当審の判断 １ 甲１Ａを主引用例とした進歩性欠如（取消理由１、申立理由３Ａ）について （１）本件発明１について ア 対比 本件発明１と甲１Ａ発明とを対比する。 （ア）構成１Ａ及び構成１Ｊについて 甲１Ａ発明の「車両」と、本件発明１の「ショベル」とは、「ショベル」が大型特殊車両であることを踏まえると、車両である点で共通する。 本件明細書の段落【０００２】には、「ショベルの周囲の状況を表す環境情報（例えば、ショベルの周囲の撮像画像・・・等）」と記載されており、本件発明１でいう「環境情報」には「撮像画像」が含まれることが示されている。 そうすると、甲１Ａ発明は、「カメラ１１」が「自車両周辺を撮影する」ものであるところ、「カメラ１１」によって、自車両周辺の撮像画像、すなわち、自車両周囲の環境情報が取得されることは明らかである。 よって、甲１Ａ発明の「カメラ１１」は、本件発明１の「環境情報取得部」に相当する。 また、甲１Ａ発明の「カメラ１１」により撮影される「自車両周辺」の環境情報と、本件発明１の「ショベルの周囲の作業現場の環境情報」とは、「車両周囲の環境情報」である点で共通する。 よって、甲１Ａ発明の「自車両周辺を撮影する」「カメラ１１」と、本件発明１の「ショベルの周囲の作業現場の環境情報を取得する環境情報取得部」とは、「車両の周囲の環境情報を取得する環境情報取得部」である点で共通する。 （イ）構成１Ｂについて 本件明細書の段落【００３９】の、「ショベル１００の周囲の物体に関する判定（例えば、物体の検出判定や物体の分類判定等）を行う」との記載を参酌すれば、本件発明１の「物体に関する判定」は、「物体」の「検出判定」、「分類判定」など、様々な判定を含むものと理解できる。 甲１Ａ発明の「制御部１４」は、「車載装置１０の画像認識機能に関する機械学習における識別機能」を用いて、「自車両周辺の歩行者」等を識別しているから、「カメラ１１」により「撮像」された「画像」に基づき、物体に関する判定をしているといえる。 そうすると、上記理解をふまえれば、甲１Ａ発明は、本件発明１と同様に、「機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき」、「物体に関する判定」を行う判定部を有していることは明らかである。 よって、甲１Ａ発明において、「車載装置１０の画像認識機能に関する機械学習における識別機能」を用いて、「カメラ１１」により「撮像」された「画像」に基づき、「識別」している「制御部１４」と、本件発明１の「機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部」とは、「機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、車両の周囲の物体に関する判定を行う判定部」である点で共通する。 （ウ）構成１Ｃについて 甲１Ａ発明の「記憶部１２」は、本件発明１の「記憶部」に相当する。 （エ）構成１Ｄについて 甲１Ａ発明の「記憶部１２」は、情報が記憶される部位であることは明らかであり、また、「車載装置１０の制御部１４は、学習サーバ２から更新データを受信した場合には、制御部１４は、受信した更新データを記憶部１２に保存する」から、入手した情報を保存のために記録する機能を有していることは明らかである。よって、甲１Ａ発明において、「カメラ１１」を有する「車両」に設けられる「車載装置１０」が有する「記憶部１２」は、情報を記録する機能を有しているといえる。 そうすると、甲１Ａにおいて、「カメラ１１」を有する「車両」に設けられる「車載装置１０」が有する「記憶部１２」を備えていることと、本件発明１において、「前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部」を備えることとは、「情報を前記記憶部に記録する記録部」を備える点で共通する。 （オ）構成１Ｆについて 甲１Ａ発明は、「車載装置１０は、画像認識処理を行うと、該画像認識処理に用いられたカメラ１１による撮影画像データを学習データとし、学習サーバ２に送信し、一方、学習サーバ２は、各車載装置１０から受信した学習データに基づき、画像認識処理の認識精度を向上させるための学習処理を行」うものであって、「機械学習処理においては、教師あり学習を行うものであ」ることから、「画像認識処理の認識精度を向上させるための学習処理」がなされたものは、「カメラ１１」により取得された「撮像画像データ」（取得された環境情報）から生成される教師情報に基づき追加学習が行われたといえる。 そうすると、甲１Ａ発明において、「カメラ１１」により取得された「撮像画像データ」を用いて、「画像認識処理の認識精度を向上させるための学習処理」であって、「教師あり学習を行」い、「画像認識処理におけるパラメータを更新するための更新データを生成」することと、本件発明１の「前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され」ることとは、「前記学習済みモデルは、取得された環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され」る点で共通する。 （カ）構成１Ｇについて 甲１Ａ発明は、「画像認識処理の認識精度を向上させるため」に、さらに「学習処理を行」うから、「制御部１４」は、「画像認識処理におけるパラメータを更新」すれば、更新されたパラメータによって、識別等を行うことは明らかである。 そうすると、甲１Ａ発明は、本件発明１の「前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い」に相当する構成を有していることは明らかである。 （キ）構成１Ｈ及び構成１Ｉについて 構成１Ｈにおける「自ショベル」について、本件明細書の段落【０１５５】には、「撮像装置７０は、自己が搭載されるショベル１００（以下、「自ショベル」）の周囲の撮像画像を取得する。また、判定部３４４は、機械学習が行われた学習済みモデルＬＭを用いて、撮像装置７０により取得される撮像画像ＩＭ１に基づき、自ショベルの周囲の物体に関する判定を行う。」と記載されている。当該記載からは、「自ショベル」は、「撮像装置７０」及び「判定部３４４」、すなわち、「環境情報取得部」及び「判定部」を備える「ショベル」という程度の意味と解される。また、構成１Ｈにおける「自ショベルを含む複数のショベルは、同一の前記学習済みモデルを有する」については、複数のショベルは、同一の前記学習済みモデルを有していること、すなわち、複数のショベルが、同じ学習済みモデルを有しているものと解される。 上記理解をふまえて、以下検討する。 甲１Ａ発明は、「学習サーバ２での学習処理により生成された更新データが各車載装置１０に提供され、各車載装置１０における処理の内容が更新される」から、複数の車両は、「画像認識処理におけるパラメータ」について、同じ「更新データ」を有しており、当該「更新データ」に基づいて、「画像認識処理」を行っていることは明らかであり、また、「各車両」において、当然ながら、「画像認識処理におけるパラメータ」について「更新データ」に更新されているといえる。 そうすると、甲１Ａ発明と、本件発明１とは、「自車両を含む複数の車両は、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定を行い、前記複数の車両のそれぞれが有する前記学習済みモデルは、前記追加学習済みモデルに更新される」との点で共通するといえる。 そうすると、本件発明１と甲１Ａ発明との一致点及び相違点は、次のとおりである。（なお、本件発明１等と、甲１Ａ発明との相違点には「ａ」を付して、「相違点１ａ」等とする。） （一致点） 「１Ａ’ 車両の周囲の環境情報を取得する環境情報取得部と、 １Ｂ’ 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、車両の周囲の物体に関する判定を行う判定部と、 １Ｃ 記憶部と、 １Ｄ’ 情報を前記記憶部に記録する記録部と、を備え、 １Ｆ’ 前記学習済みモデルは、取得された環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され、 １Ｇ 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 １Ｈ’ 自車両を含む複数の車両は、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定を行い、 １Ｉ’ 前記複数の車両のそれぞれが有する前記学習済みモデルは、前記追加学習済みモデルに更新される 、 １Ｊ’ 車両。」 （相違点１ａ） 本件発明１では、「車両」が「ショベル」であって、「環境情報」が、「ショベルの周囲の作業現場の環境情報」または「作業現場の環境情報」であるのに対して、甲１Ａ発明では、「車両」及び「環境情報」にそのような特定がされていない点。 （相違点２ａ） 本件発明１では、「記録部」が、「前記環境情報取得部により取得される環境情報を前記記憶部に記録する」ものであって、「自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録」し、「前記記録部により前記記憶部に記録された、作業現場の環境情報」から「追加学習」のための「教師情報」が生成されるのに対して、甲１発明では、そのような特定がされていない点。 イ 判断 事案に鑑みて、上記相違点２ａから検討する。 上記第５の１（３）イのとおり、甲３Ａ技術事項は、ショベルカーを含む車両の周囲の物体に関する判定を行う技術において、「カメラ２０より出力された撮像画像を一時的に保存」する「メモリ３２」を有している。 しかしながら、甲３Ａ技術事項は、相違点２ａに係る本件発明１の構成のように、「自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録」し、「前記記録部により前記記憶部に記録された、作業現場の環境情報」から「追加学習」のための「教師情報」を生成するものではない。 また、前記技術事項は、申立人Ａが提出した、甲２Ａ～甲４Ａ、参考資料１～４、申立人Ｂが提出した甲１Ｂ～甲３Ｂにも記載も示唆もされていない。 したがって、甲１Ａ発明において、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載される事項を考慮しても、相違点２ａに係る本件発明１の構成に想到できない。 ウ 申立人Ａの意見書Ａにおける主張について 申立人Ａは意見書Ａにおいて、上記相違点２ａに関し、ショベルの旋回動作時又は走行動作時に環境情報を記録するといったことは当業者が適宜なし得る設計事項に過ぎないこと、甲２Ａの記載から、当業者が容易に想到し得る事項に過ぎないことや、参考資料１～３（周知例）に示される本件優先日前において既に周知の点を考慮しても、走行動作又は旋回動作が行われているときの環境情報を重視してこれを記憶部に記録する対象に設定するといったことは当業者が容易になし得るものであること、及び、参考資料４の記載からみても、同じく作業機械であるショベルにおいて、走行時についての情報を機械学習のためのデータとして記憶部に記憶させるといったことは、当業者が容易になし得たものというべきものである旨主張する。（意見書Ａの５頁２行～１０頁４行） しかしながら、上記イにおいて述べたとおり、相違点２ａに係る本件発明１の構成のように、「自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録」し、「前記記録部により前記記憶部に記録された、作業現場の環境情報」から「追加学習」のための「教師情報」を生成する構成は、甲２Ａ及び、参考資料１～４には、記載も示唆もされていない。 よって、甲１Ａ発明に、甲３Ａ技術事項とともに、甲２Ａ、参考資料１～４を考慮しても、上記構成は得られないから、申立人Ａの主張を考慮しても、相違点２ａについての判断を変更すべきではない。 エ 小括 よって、本件発明１は、他の相違点を検討するまでもなく、甲１Ａ発明及び甲２Ａ～甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （２）本件発明２について ア 対比 本件発明２と甲１Ａ発明とを対比する。 （ア）本件発明２の構成のうち、本件発明１の構成１Ａ～構成１Ｇ、構成１ Ｊと共通する構成２Ａ～構成２Ｇ、構成２Ｉについては、上記（１）アと同様である。 （イ）構成２Ｈについて 甲１Ａ発明の「車載装置１０」は、「該画像認識処理に用いられたカメラ１１による撮影画像データを学習データ」とするところ、「学習サーバ２」は、「学習データ」を「各車載装置１０から受信」する際、「学習システム１」を構成する「複数の車載装置１０」から受信することは明らかである。 また、上記（１）ア（オ）で検討したとおり、甲１Ａ発明において、「画像認識処理の認識精度を向上させるための学習処理」がなされたものは、「学習サーバ２」において「カメラ１１」により取得された「撮像画像データ」（取得された環境情報）から生成される教師情報に基づき追加学習が行われたといえる。 さらに、上記（１）ア（キ）で検討したとおり、甲１Ａ発明は、複数の車両は、「画像認識処理におけるパラメータ」について、「学習サーバ２」から受信する同じ「更新データ」を有しており、当該「更新データ」に基づいて、「画像認識処理」を行っていることは明らかである。 よって、甲１Ａ発明と、本件発明２とは、「前記学習済みモデルは、複数の車両で取得される周囲の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される」点で共通する。 （ウ）以上を整理すると、本件発明２と甲１Ａ発明との一致点及び相違点は、次のとおりである。 （一致点） 「２Ａ 車両の周囲の環境情報を取得する環境情報取得部と、 ２Ｂ’ 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、車両の周囲の物体に関する判定を行う判定部と、 ２Ｃ 記憶部と、 ２Ｄ’ 情報を前記記憶部に記録する記録部と、を備え、 ２Ｆ’ 前記学習済みモデルは、取得された環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され、 ２Ｇ 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 ２Ｈ’ 前記学習済みモデルは、複数の車両で取得される周囲の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される 、 ２Ｉ’ 車両。」 （相違点３ａ） 本件発明２では、「車両」が「ショベル」であって、「環境情報」が、「ショベルの周囲の作業現場の環境情報」または「作業現場の環境情報」であるのに対して、甲１Ａ発明では、「車両」及び「環境情報」にそのような特定がされていない点。 （相違点４ａ） 本件発明２では、「記録部」が、「前記環境情報取得部により取得される環境情報を前記記憶部に記録する」ものであって、「自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録」し、「前記記録部により前記記憶部に記録された、作業現場の環境情報」から「追加学習」のための「教師情報」が生成されるのに対して、甲１発明では、そのような特定がされていない点。 イ 判断 事案に鑑みて、上記相違点４ａから検討する。 相違点４ａは、相違点２ａと同様であり、上記（１）イで検討したことと同様に、相違点４ａに係る本件発明２の構成は、申立人Ａが提出した、甲２Ａ～甲４Ａ、参考資料１～４、申立人Ｂが提出した甲１Ｂ～甲３Ｂにも記載も示唆もされていない。 したがって、甲１Ａ発明において、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載される事項を考慮しても、相違点４ａに係る本件発明２の構成に想到できない。 ウ 小括 よって、本件発明２は、他の相違点を検討するまでもなく、甲１Ａ発明及び甲２Ａ～甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （３）本件発明３、４、６～８について 本件発明３、４、６～８は、本件発明１又は本件発明２を全て含み、さらに限定を加えた発明であるから、上記（１）又は（２）検討した理由と同じ理由により、甲１Ａ発明及び甲２Ａ～甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （４）本件発明９について ア 対比 本件発明９と甲１Ａ発明とを対比する。 （ア）構成９Ａ及び構成９Ｎについて 請求項９に記載の「第１のショベル」及び「第２のショベル」の意味について検討すると、明細書の段落【０１５８】には、「教師データの元になる周囲の撮像画像を取得するショベル１００（第２のショベルの一例）と、学習済みモデルＬＭを用いて、撮像画像に基づき、周囲の物体に関する判定を行うショベル１００（第１のショベルの一例）とは、別であってもよい。」との記載があるところ、当該段落【０１５８】に先立つ段落【００１２】～【０１５７】及び【図３】等には、１台の「ショベル１００」が「撮像装置１０」及び「判定装置３４」を有する様子が示されていることから、「第１のショベル」及び「第２のショベル」が、機能に着目して「第１」及び「第２」という表現を用いていても、同一のショベル又は別のショベルを指すことをいずれも許容するものと理解できる。 なお、請求項９を引用して記載する請求項１０には、「前記第１のショベルと前記第２のショベルは、同一のショベルであ」ることが記載されている。このような記載からも、請求項９に記載される発明において、「第１のショベル」と「第２のショベル」が同一及び別であるいずれの発明も含んでいると理解できる。 上記理解に基づいて、以下検討する。 甲１Ａ発明の「複数」の「車両」の２台以上、又はそれぞれのうち、「カメラ１１」を有し「画像処理」を行う車両、及び少なくとも「カメラ１１」を有する車両と、本件発明９の「第１のショベル」及び「第２のショベル」とは、「第１の車両」及び「第２の車両」である点で共通する。 甲１Ａ発明の「複数」の「車両」と「無線通信回線網２０を介して通信可能」である「学習サーバ２」と、本件発明９の「前記第１のショベル及び前記第２のショベルと通信可能な外部装置」とは、「第１」及び「第２」の「車両」と「通信可能な外部装置」である点で共通する。 甲１Ａ発明は、「学習サーバ２」から「車載装置１０」に対して、「画像認識処理の認識精度を向上」させることができる「更新データを送信する」ものである。 そうすると、甲１Ａ発明の「学習システム１」が「車両」と、「学習サーバ２」と、を含む構成と、本件発明９の「ショベル支援システム」とは、「車両支援システム」である点で共通する。 （イ）構成９Ｂについて 甲１Ａ発明の「車載装置１０」が有する「カメラ１１」は、「自車両周辺を撮影する部位であ」って「画像」を「撮影」するものである。 そうすると、甲１Ａ発明の前記「カメラ１１」と、本件発明９の「前記第１のショベルに設けられ、前記第１のショベルの周囲の環境情報を取得する第１の環境情報取得部」とは、「第１の車両に設けられ、前記車両の周囲の環境情報を取得する第１の環境情報取得部」の点で共通する。 （ウ）構成９Ｃについて 甲１Ａ発明の「制御部１４」は、「車載装置１０の画像認識機能に関する機械学習における識別機能」を用いて、「カメラ１１」により「撮像」された「画像」に基づき、「識別」しているといえる。 そうすると、甲１Ａ発明の「制御部１４」は、本件発明９と同様に、「機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき」、「周囲の物体に関する判定を行う判定部」に相当する構成を有していることは明らかである。 よって、甲１Ａ発明において、「車載装置１０の画像認識機能に関する機械学習における識別機能」を用いて、「カメラ１１」により「撮像」された「画像」に基づき、「識別」している「制御部１４」と、本件発明９の「前記第１のショベルに設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１のショベルの周囲の物体に関する判定を行う判定部」とは、「前記第１の車両に設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記車両の周囲の物体に関する判定を行う判定部」である点で共通する。 （エ）構成９Ｄについて 上記（イ）をふまえると、甲１Ａ発明の少なくとも「カメラ１１」を有する車両が備える「カメラ１１」と、本件発明９の「前記第２のショベルに設けられ、前記第２のショベルの周囲の環境情報を取得する第２の環境情報取得部」とは、「第２の車両に設けられ、前記車両の周囲の環境情報を取得する第２の環境情報取得部」の点で共通する。 （オ）構成９Ｅについて 甲１Ａ発明の「車両」に搭載される「車載装置１０」が有する「記憶部１２」と、本件発明９の「前記第２のショベルに設けられる記憶部」とは、「第２の車両に設けられる記憶部」の点で共通する。 （カ）構成９Ｆについて 甲１Ａ発明の「記憶部１２」は、情報が記憶される部位であることは明らかであり、また、情報を記憶させるためには、入手した情報を記録する機能を有していることが通常である。よって、甲１Ａ発明の少なくとも「カメラ１１」を有する「車両」に設けられる「車載装置１０」が有する「記憶部１２」は、情報を記録する装置ないし機能を有しているといえる。 そうすると、甲１Ａ発明の、少なくとも「カメラ１１」を有する「車両」に設けられ、「車載装置１０」が有する上記「記憶部１２」と、本件発明９の、「第２のショベルに設けられ」、「第２の環境情報取得部により取得される環境情報を前記記憶部に記録する記録部」とは、「第２の車両に設けられ」る「情報を前記記憶部に記録する記録部」である点で共通する。 （キ）構成９Ｇについて 甲１Ａ発明は、少なくとも「カメラ１１」を有する「車両」に搭載される「車載装置１０」が有する、「カメラ１１による撮影画像データを学習データとすると共に」、「車載装置１０」が有する、「該学習データと環境データとを無線通信部１７を介して学習サーバ２に送信し」ている。 甲１Ａ発明の「無線通信部１７」は、環境情報である撮像画像データを「学習サーバ２」に送信しているから、本件発明９の「環境情報通信部」に相当する。 そうすると、甲１Ａ発明の少なくとも「カメラ１１」を有する「車両」に搭載される「車載装置１０」が有する上記「無線通信部１７」と、本件発明９の「前記第２のショベルに設けられ、前記記録部により前記記憶部に記録される環境情報を前記外部装置に送信する環境情報送信部」とは、「前記第２の車両に設けられ、環境情報を前記外部装置に送信する環境情報送信部」である点で共通する。 （ク）構成９Ｈについて 甲１Ａ発明は、「車載装置１０は、画像認識処理を行うと、該画像認識処理に用いられたカメラ１１による撮影画像データを学習データとし、学習サーバ２に送信し、 一方、学習サーバ２は、各車載装置１０から受信した学習データに基づき、画像認識処理の認識精度を向上させるための学習処理を行」うものであって、「機械学習処理においては、教師あり学習を行うものであ」る。 したがって、甲１Ａ発明は、少なくとも「カメラ１１」を有する「車両」で取得された「撮像画像データ」に基づいて、教師情報を生成する部位が、「学習サーバ２」に設けられていることは明らかである。 そうすると、甲１Ａ発明において、「学習サーバ２」に設けられていて、車両から取得された「撮像画像データ」を用いて、教師情報を生成する部位と、本件発明９の「前記外部装置に設けられ、前記第２のショベルから受信される、前記第２のショベルで取得され前記記憶部に記録された環境情報に基づき、教師情報を生成する教師情報生成部」とは、「前記外部装置に設けられ、前記第２の車両から受信される、前記第２の車両で取得された環境情報に基づき、教師情報を生成する教師情報生成部」である点で共通する。 （ケ）構成９Ｉについて 上記（キ）で説明したとおり、「学習サーバ２」が、教師情報を生成する部位を有することは明らかであり、また、甲１Ａ発明は、「学習サーバ２」が、「各車載装置１０から受信した学習データに基づき、画像認識処理の認識精度を向上させるための学習処理を行い、画像認識処理におけるパラメータを更新するための更新データを生成」することから、「学習サーバ２」が有する「画像認識処理」における、既存の「パラメータ」を更新するための「更新データ」を生成しているといえる。 甲１Ａ発明の、前記「学習処理」は、車両の「画像認識処理」で用いられる既存の「パラメータ」を、追加的に学習させて、「更新データ」を生成し、車両の「画像認識処理の認識精度を向上させる」ためのものであるから、本件発明９のショベルで「前記判定に用いられている前記学習済みモデルと同一の学習済みのモデル」に行わせる「追加学習」に相当する。 以上のことをふまえると、甲１Ａ発明と本件発明９とは、「前記外部装置に設けられ、前記教師情報生成部により生成された教師情報に基づき」、「前記第１の車両」で「前記判定に用いられている前記学習済みモデルと同一の学習済みモデルに追加学習を行わせ、追加学習済みモデルを生成する学習部」を有する点で共通する。 （コ）構成９Ｊについて 甲１Ａ発明は、「学習サーバ２」と「車両」とは、「無線通信回線網２０を介して通信可能であ」って、「学習サーバ２」を構成する「メイン学習サーバ３０」は、「通信部３１」を備えており、「メイン学習サーバ３０の制御部３３」は、「各車載装置１０に対して更新データを送信するもの」である。 また、甲１Ａ発明の「更新データ」は、画像認識処理を行う「車両」の「各車載装置１０」に対して「送信」されるところ、「学習サーバ２」において構成される、上記「通信部３１」により、送信されることは明らかである。 そうすると、甲１Ａ発明の「学習サーバ２」において構成され、「更新データ」を「送信」する「通信部３１」と、本件発明９の「前記外部装置に設けられ、前記学習部により追加学習が行われた前記追加学習済みモデルを前記第１のショベルに送信するモデル送信部」とは、「前記外部装置に設けられ、前記学習部により追加学習が行われた前記追加学習済みモデルを前記第１の車両に送信するモデル送信部」である点で共通する。 （サ）構成９Ｌについて 甲１Ａ発明の「車載装置１０」が有していて、「画像認識」をするために用いられる「更新データ」により更新される前の「データ」は、本件発明９の「学習済みモデル」に相当する。 また、甲１Ａ発明は、「学習システム１によれば、車載装置１０では学習処理が行われず、学習サーバ２にて各車載装置１０から提供された学習データに基づき学習処理が行われ、学習サーバ２での学習処理により生成された更新データが各車載装置１０に提供され、各車載装置１０における処理の内容が更新される」ものである。 そうすると、甲１Ａ発明の画像認識処理を行う「車両」の「車載装置１０」が有していて、「画像認識」をするために用いられる「更新データ」により更新される前の「データ」が、「車両」において、「学習サーバ２での学習処理により生成された更新データが各車載装置１０に提供され、各車載装置１０における処理の内容が更新される」ことと、本件発明９の「前記学習済みモデルは、前記第１のショベルにおいて、前記外部装置から受信される前記追加学習済みモデルに更新され」ることとは、「前記学習済みモデルは、前記第１の車両において、前記外部装置から受信される前記追加学習済みモデルに更新され」る点で共通する。 （シ）構成９Ｍについて 上記（ウ）で説明したとおり、甲１Ａ発明の上記「制御部１４」は、本件発明９と同様に、「機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき」、「周囲の物体に関する判定を行う判定部」を有していることは明らかである。また、甲１Ａ発明は、「更新データ」によりデータが更新された場合に、「更新データ」を用いて、「制御部１４」は、「車載装置１０の画像認識機能に関する機械学習における識別機能」を用いて、「カメラ１１」により「撮像」された「画像」に基づき、「識別」することは明らかである。 そうすると、甲１Ａ発明は、本件発明９の「前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記判定を行う」との構成に相当する構成を有しているといえる。 そうすると、本件発明９と甲１Ａ発明との一致点及び相違点は、次のとおりである。 （一致点） 「９Ａ’ 第１の車両と、第２の車両と、前記第１の車両及び前記第２の車両と通信可能な外部装置と、を含む車両支援システムであって、 ９Ｂ’ 前記第１の車両に設けられ、前記第１の車両の周囲の環境情報を取得する第１の環境情報取得部と、 ９Ｃ’ 前記第１の車両に設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１の車両の周囲の物体に関する判定を行う判定部と、 ９Ｄ’ 前記第２の車両に設けられ、前記第２の車両の周囲の環境情報を取得する第２の環境情報取得部と、 ９Ｅ’前記第２の車両に設けられる記憶部と、 ９Ｆ’ 前記第２の車両に設けられ、情報を前記記憶部に記録する記録部と、 ９Ｇ’ 前記第２の車両に設けられ、環境情報を前記外部装置に送信する環境情報送信部と、 ９Ｈ’ 前記外部装置に設けられ、前記第２の車両から受信される、前記第２の車両で取得された環境情報に基づき、教師情報を生成する教師情報生成部と、 ９Ｉ’ 前記外部装置に設けられ、前記教師情報生成部により生成された教師情報に基づき、前記第１の車両で前記判定に用いられている前記学習済みモデルと同一の学習済みモデルに追加学習を行わせ、追加学習済みモデルを生成する学習部と、 ９Ｊ’ 前記外部装置に設けられ、前記学習部により追加学習が行われた前記追加学習済みモデルを前記第１の車両に送信するモデル送信部と、を備え、 ９Ｌ’ 前記学習済みモデルは、前記第１の車両において、前記外部装置から受信される前記追加学習済みモデルに更新され、 ９Ｍ 前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記判定を行う、 ９Ｎ’ 車両支援システム。」 （相違点５ａ） 本件発明９では、「第１の車両」及び「第２の車両」が、それぞれ「第１のショベル」及び「第２のショベル」であり、ショベルに搭載された装置及び外部装置とともに「ショベル支援システム」をなすのに対し、甲１Ａ発明においては、そのような特定がされていない点。 （相違点６ａ） 本件発明９では、第２の車両（ショベル）の「記録部」が、第２の車両（ショベル）の第２の「環境情報取得部により取得される環境情報」を記憶部に記録するものであって、当該記憶部への記録について、第２の車両（ショベル）の「旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録」したうえで、「前記記録部により前記記憶部に記録」された「環境情報」が外部装置に送信されて「追加学習」のための「教師情報」が生成される（構成９Ｆ、構成９Ｇ、構成９Ｈ、構成９Ｋ関係）のに対して、甲１Ａ発明では、そのような特定がされていない点。 イ 判断 事案に鑑みて、上記相違点６ａから検討する。 相違点６ａは、本件発明１と甲１Ａ発明との相違点２ａと同様の内容を含み、さらに「記録」した「環境情報」が「教師情報」の生成に用いられるうえで「外部装置」に送信されることが加わった相違点である。 そして、相違点２ａについて上記（１）イで検討したのと同じ理由で、相違点２ａと同様の内容を含む相違点６ａに係る構成は、申立人Ａが提出した、甲２Ａ～甲４Ａ、参考資料１～４、申立人Ｂが提出した甲１Ｂ～甲３Ｂにも記載も示唆もされていない。 したがって、甲１Ａ発明において、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載される事項を考慮用しても、相違点６ａに係る本件発明９の構成に想到できない。 ウ 小括 よって、本件発明９は、他の相違点を検討するまでもなく、甲１Ａ発明及び甲２Ａ～甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （５）本件発明１０～１２について 本件発明１０～１２は、本件発明９を全て含み、さらに限定を加えた発明であるから、上記（４）で検討した理由と同じ理由により、甲１Ａ発明及び甲２Ａ～甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 ２ 甲２Ａを主引用例とした進歩性欠如（取消理由２、申立理由４Ａ） （１）本件発明１ ア 対比 本件発明１と甲２Ａ発明とを対比する。 （ア）構成１Ａ及び構成１Ｊについて 甲２Ａ発明の「ショベル」及び「撮像装置４０」は、本件発明１の「ショベル」及び「環境情報取得部」に、それぞれ相当する。 甲２Ａ発明の「撮像装置４０」は、「ショベルの周辺を撮像」できるから、「撮像装置４０」により撮像された「撮像画像」は、作業現場の情報といえる。 そうすると、甲２Ａ発明の「撮像装置４０」により撮像された「撮像画像」は、本件発明１の「ショベルの周囲の作業現場の環境情報」に相当する。 よって、甲２Ａ発明の上記「撮像画像」を取得する「撮像装置４０」は、本件発明１の「ショベルの周囲の作業現場の環境情報を取得する環境情報取得部」に相当する。 （イ）構成１Ｂについて 甲２Ａ発明の「コントローラ３０」に含まれる「物体検知部３０１」は、「ショベルの周辺の所定領域内（ショベルから所定距離Ｄ１以内）への監視対象の侵入を検知」するものであって、「既知の各種画像処理手法や機械学習ベースの識別器等を任意に適用することにより、撮像画像内の人を認識する」ものであることから、機械学習が行われた学習済みモデルが用いられていること、また、「撮像装置４０」により撮像された「撮像画像」に基づいて、「人」を認識していることは明らかである。 よって、甲２Ａ発明の「既知の各種画像処理手法や機械学習ベースの識別器等を任意に適用することにより、撮像画像内の人を認識」する、上記「物体検知部３０１」は、本件発明１の「機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部」に相当する。 （ウ）構成１Ｃについて 甲２Ａ発明の「記憶部３１０」は、本件発明１の「記憶部」に相当する。 （エ）構成１Ｄについて 甲２Ａ発明の「記憶部３１０」は、「所定領域への人の侵入時における各種情報を侵入履歴情報３１０１として」「記憶」させるから、当該情報を記憶させるために記録する機能を有していることは明らかである。よって、甲２Ａ発明の「記憶部３１０」は、情報を記録する機能を有しているといえる。 また、甲２Ａ発明の「侵入履歴情報３１０１」に含まれる「検知時の画像情報（検知時画像情報）」は、「物体検知部３０１によりショベルの周辺の所定領域への人の侵入が検知された」ときの「画像情報」であるから、ショベルの周辺環境に関する情報であることが明らかであって、本件発明１の「環境情報」に相当する。 そうすると、甲２Ａ発明において、「コントローラ３０」に含まれる「記憶部３１０」を有していて、当該「記憶部３１０」に記憶させる「侵入履歴情報３１０１」に「検知時の画像情報（検知時画像情報）が含まれて」いることは、本件発明１において、「前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部」を備えていることに相当する。 そうすると、本件発明１と甲２Ａ発明との一致点及び相違点は、次のとおりである。（なお、本件発明１等と、甲２Ａ発明との相違点には「ｂ」を付して、「相違点１ｂ」等とする。） （一致点） 「１Ａ ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 １Ｂ 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、 １Ｃ 記憶部と、 １Ｄ 前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、を備える、 １Ｊ ショベル。」 （相違点１ｂ） 本件発明１は、「前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され」るのに対して、 甲２Ａ発明では、そのような特定がされていない点。 （相違点２ｂ） 本件発明１は、「前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 自ショベルを含む複数のショベルは、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定を行い、 前記複数のショベルのそれぞれが有する前記学習済みモデルは、前記追加学習済みモデルに更新される 」のに対して、 甲２Ａ発明では、そのような特定がされていない点。 イ 判断 上記相違点１ｂに係る構成は、本件発明１と甲１Ａ発明との相違点２ａに係る構成を含む。 そして、相違点１ｂに係る構成が含む相違点２ａに係る構成は、甲１Ａ発明が有する構成ではなく、上記１（１）イに示したとおり、申立人Ａ及び申立人Ｂが提出したいずれの甲号証等に記載あるいは示唆されるものでもない。 また、相違点１ｂに係る構成に関する、申立人Ａの意見書Ａにおける主張について検討しても、上記１（１）ウに示したのと同じ理由で、採用することができない。 したがって、甲２Ａ発明に、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載の技術事項を適用しても、相違点１ｂに係る本件発明１の構成に想到できない。 ウ 小括 よって、その他の相違点について検討するまでもなく、本件発明１は、甲２Ａ発明及び甲１Ａ、甲３Ａ、甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （２）本件発明２ ア 対比 本件発明２と甲２Ａ発明とを対比する。 本件発明１と共通する本件発明２の構成（構成２Ａ～２Ｇ、２Ｉ）については、上記（１）アの（ア）～（エ）と同様である。 そうすると、本件発明２と甲２Ａ発明との一致点及び相違点は、次のとおりである。 （一致点） 「２Ａ ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 ２Ｂ 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、 ２Ｃ 記憶部と、 ２Ｄ 前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、を備える、 ２Ｉ ショベル。」 （相違点３ｂ） 本件発明２は、「前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され」るのに対して、 甲２Ａ発明では、そのような特定がされていない点。 （相違点４ｂ） 本件発明２は、 「前記記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 前記学習済みモデルは、複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される」ものであるのに対して、 甲２Ａ発明では、そのような特定がされていない点。 イ 判断 上記相違点３ｂに係る構成は、本件発明１と甲１Ａ発明との相違点２ａに係る構成を含む。 そして、相違点３ｂに係る構成が含む相違点２ａに係る構成は、上記１（１）イに示したとおり、申立人Ａ及び申立人Ｂが提出したいずれの甲号証等に記載あるいは示唆されるものでもない。 また、相違点３ｂに係る構成に関する、申立人Ａの意見書における主張について検討しても、上記１（１）ウに示したのと同じ理由で、採用することができない。 したがって、甲２Ａ発明に、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載の技術事項を適用しても、相違点３ｂに係る本件発明２の構成に想到できない。 ウ 小括 よって、その他の相違点を検討するまでもなく、本件発明２は、甲２Ａ発明及び甲１Ａ、甲３Ａ、甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （３）本件発明３、４、６～８ 本件発明３、４、６～８は、本件発明１又は本件発明２を全て含み、さらに限定を加えた発明であるから、上記（１）又は（２）検討した理由と同じ理由により、甲２Ａ発明及び甲１Ａ、甲３Ａ、甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （４）本件発明９ ア 対比 本件発明９と甲２Ａ発明とを対比する。 （ア）構成９Ａ及び構成９Ｎについて 上記１（４）ア（ア）で説明したとおり、「第１のショベル」及び「第２のショベル」が、同一のショベルを指すことを許容するものと理解できる。 上記理解に基づいて、以下検討する。 甲２Ａ発明の「ショベル」は、本件発明９の「第１のショベル」及び「第２のショベル」に相当する。 甲２Ａ発明の「ショベルと通信可能に接続される管理サーバ２００」は、本件発明９の「前記第１のショベル及び前記第２のショベルと通信可能な外部装置」に相当する。 甲２Ａ発明の「安全管理システム１００」は、本件発明９の「ショベル支援システム」に相当する。 （イ）構成９Ｂについて 甲２Ａ発明の「ショベル」に備えられ、「ショベルの周辺を撮像」する「撮像装置４０」は、本件発明９の「前記第１のショベルに設けられ、前記第１のショベルの周囲の環境情報を取得する第１の環境情報取得部」に相当する。 （ウ）構成９Ｃについて 甲２Ａ発明の「ショベル」に備えられ、「撮像装置４０」により「撮像」された「撮像画像」において、「既知の各種画像処理手法や機械学習ベースの識別器等を任意に適用することにより、撮像画像内」の「ショベルの周辺の作業者等の人」を「認識」する「物体検知部３０１」は、本件発明９の「前記第１のショベルに設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１のショベルの周囲の物体に関する判定を行う判定部」に相当する。 （エ）構成９Ｄについて 甲２Ａ発明の「ショベル」に備えられ、「ショベルの周辺を撮像」する「撮像装置４０」は、本件発明９の「前記第２のショベルに設けられ、前記第２のショベルの周囲の環境情報を取得する第２の環境情報取得部」に相当する。 （オ）構成９Ｅについて 甲２Ａ発明の「ショベル」が備える「コントローラ３０」に含まれる「記憶部３１０」は、本件発明９の「前記第２のショベルに設けられる記憶部」に相当する。 （カ）構成９Ｆについて 甲２Ａ発明の「記憶部３１０」は、「所定領域への人の侵入時における各種情報を侵入履歴情報３１０１として」「記憶」させるから、当該情報を記憶させるために記録する機能を有していることは明らかである。よって、甲２Ａ発明の「記憶部３１０」は、情報を記録する機能を有しているといえる。 また、甲２Ａ発明の「侵入履歴情報３１０１」に含まれる「検知時の画像情報（検知時画像情報）」は、「物体検知部３０１によりショベルの周辺の所定領域への人の侵入が検知された」ときの「画像情報」であるから、ショベルの周辺環境に関する情報であることが明らかであって、本件発明９の「環境情報」に相当する。 そうすると、甲２Ａ発明において、「ショベル」が、「コントローラ３０」に含まれる「記憶部３１０」を有していて、当該「記憶部３１０」に記憶させる「侵入履歴情報３１０１」に「検知時の画像情報（検知時画像情報）が含まれて」いることは、本件発明９において、「前記第２のショベルに設けられ、第２の環境情報取得部により取得される環境情報を前記記憶部に記録する記録部」を備えていることに相当する。 （キ）構成９Ｇ 甲２Ａ発明の「侵入度合情報３１０２」は、「画像情報（撮像装置４０の撮像画像）」を含み、「記憶部３１０に記憶」されている。 そうすると、上記（カ）を参酌すれば、甲２Ａ発明の「記憶部３１０」に記憶されている「侵入度合情報３１０２」が含む「画像情報（撮像装置４０の撮像画像）」は、本件発明９の「前記記録部により前記記憶部に記録される環境情報」に相当する。 上記のことをふまえると、甲２Ａ発明において、「ショベル」が備えていて、「画像情報（撮像装置４０の撮像画像）」が含まれる「侵入度合情報３１０２」を「通信ネットワーク１５０を介して通信可能に接続」される「管理サーバ２００」に送信する「通信機器８０」は、本件発明９の「前記第２のショベルに設けられ、前記記録部により前記記憶部に記録される環境情報を前記外部装置に送信する環境情報送信部」に相当する。 以上のことから、本件発明９と甲２Ａ発明との一致点及び相違点は、次のとおりである。 （一致点） 「９Ａ 第１のショベルと、第２のショベルと、前記第１のショベル及び前記第２のショベルと通信可能な外部装置と、を含むショベル支援システムであって、 ９Ｂ 前記第１のショベルに設けられ、前記第１のショベルの周囲の環境情報を取得する第１の環境情報取得部と、 ９Ｃ 前記第１のショベルに設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１のショベルの周囲の物体に関する判定を行う判定部と、 ９Ｄ 前記第２のショベルに設けられ、前記第２のショベルの周囲の環境情報を取得する第２の環境情報取得部と、 ９Ｅ 前記第２のショベルに設けられる記憶部と、 ９Ｆ 前記第２のショベルに設けられ、第２の環境情報取得部により取得される環境情報を前記記憶部に記録する記録部と、 ９Ｇ 前記第２のショベルに設けられ、前記記録部により前記記憶部に記録される環境情報を前記外部装置に送信する環境情報送信部と、を備える ９Ｎ ショベル支援システム。」 （相違点５ｂ） 本件発明９は、 「前記外部装置に設けられ、前記第２のショベルから受信される、前記第２のショベルで取得され前記記憶部に記録された環境情報に基づき、教師情報を生成する教師情報生成部と、」（構成９Ｈ） 「前記外部装置に設けられ、前記教師情報生成部により生成された教師情報に基づき、前記第１のショベルで前記判定に用いられている前記学習済みモデルと同一の学習済みモデルに追加学習を行わせ、追加学習済みモデルを生成する学習部と、」（構成９Ｉ） 「前記外部装置に設けられ、前記学習部により追加学習が行われた前記追加学習済みモデルを前記第１のショベルに送信する情報送信部と、」（構成９Ｊ） を備え、 「前記記録部は、前記第２のショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録し、」（構成９Ｋ） 「前記学習済みモデルは、前記第１のショベルにおいて、前記外部装置から受信される前記追加学習済みモデルに更新され、」（構成９Ｌ） 「前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記判定を行う」のに対して、（構成９Ｍ） 甲２Ａ発明は、そのような特定がされていない点。 イ 判断 上記相違点５ｂに係る構成は、本件発明１と甲１Ａ発明との相違点２ａに係る構成と同様の構成を含む。 そして、相違点５ｂに係る構成が含む相違点２ａに係る構成は、上記１（１）イに示したとおり、申立人Ａ及び申立人Ｂが提出したいずれの甲号証等に記載あるいは示唆されるものでもない。 また、相違点５ｂに係る構成に関する、申立人Ａの意見書Ａにおける主張について検討しても、上記１（１）ウに示したのと同じ理由で、採用することができない。 したがって、甲２Ａ発明に、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載の技術事項を適用しても、相違点５ｂに係る本件発明９の構成に想到できない。 ウ 小括 よって、本件発明９は、甲２Ａ発明及び甲１Ａ、甲３Ａ、甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （５）本件発明１０～１２について 本件発明１０～１２は、本件発明９を全て含み、さらに限定を加えた発明であるから、上記（４）で検討した理由と同じ理由により、甲２Ａ発明及び甲１Ａ、甲３Ａ、甲４Ａ、甲１Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 ３ 甲１Ｂを主引用例とした進歩性欠如（取消理由３、申立理由３Ｂ） （１）本件発明１ ア 対比 本件発明１と甲１Ｂ発明とを対比する。 （ア）構成１Ａ及び構成１Ｊについて 甲１Ｂ発明の「ショベル」及び「撮像装置４０」は、本件発明１の「ショベル」及び「環境情報取得部」に、それぞれ相当する。 甲１Ｂ発明の「撮像装置４０」は、「ショベルの周囲の画像を撮像する装置であ」るから、「撮像装置４０」により撮像された「画像」は、作業現場の情報といえる。 そうすると、甲１Ｂ発明の「撮像装置４０」により撮像された「画像」は、本件発明１の「ショベルの周囲の作業現場の環境情報」に相当する。 よって、甲１Ｂ発明の上記「画像」を取得する「撮像装置４０」は、本件発明１の「ショベルの周囲の作業現場の環境情報を取得する環境情報取得部」に相当する。 （イ）構成１Ｂについて 甲１Ｂ発明の「コントローラ３０」において、「抽出部３１」は「撮像装置４０が撮像した撮像画像から識別処理対象画像を抽出」し、「識別処理対象画像」は、「人候補画像」が含まれているところ、「識別部３２」は、「ＨＯＧ（Histograms of Oriented radients）特徴量に代表される画像特徴量記述と機械学習により生成した識別器とを用いた画像認識処理等の比較的演算量の多い画像処理によって、人候補画像が人画像であるかを識別」するものである。 よって、甲１Ｂ発明の上記「識別部３２」は、本件発明１の「機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部」に相当する。 （ウ）構成１Ｃについて 甲１Ｂ発明において、「ショベル」に設けられている「コントローラ３０」の「内部メモリ」は、本件発明１の「記憶部」に相当する。 （エ）構成１Ｄについて 甲１Ｂ発明の「ショベル」に設けられている「コントローラ３０」の「内部メモリ」は、情報が記憶される部位であることは明らかであり、また、情報を記憶させるためには、入手した情報を記録する機能を有していることが通常である。よって、甲１Ｂ発明の前記「内部メモリ」は、情報を記録する機能を有しているといえる。 そうすると、甲１Ｂ発明の、「ショベル」に設けられている「コントローラ３０」の「内部メモリ」と、本件発明１において、「前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部」とは、「情報を前記記憶部に記録する記録部」である点で共通する。 そうすると、本件発明１と甲１Ｂ発明との一致点及び相違点は、次のとおりである。（なお、本件発明１等と、甲１Ｂ発明との相違点には「ｃ」を付して、「相違点１ｃ」等とする。） （一致点） 「１Ａ ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 １Ｂ 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、 １Ｃ 記憶部と、 １Ｄ’情報を前記記憶部に記録する記録部と、を備える、 １Ｊ ショベル。」 （相違点１ｃ） 本件発明１は、 「記録部」により「前記記憶部に記録する」ものが「前記環境情報取得部により取得される環境情報」であって、 「前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され」るのに対して、甲１Ｂ発明では、そのような特定がされていない点。 （相違点２ｃ） 本件発明１は、 「前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 自ショベルを含む複数のショベルは、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定を行い、 前記複数のショベルのそれぞれが有する前記学習済みモデルは、前記追加学習済みモデルに更新される」のに対して、 甲１Ｂ発明では、そのような特定がされていない点。 イ 判断 上記相違点１ｃに係る構成は、本件発明１と甲１Ａ発明との相違点２ａに係る構成を含む。 そして、相違点１ｃに係る構成が含む相違点２ａに係る構成は、上記１（１）イに示したとおり、申立人Ａ及び申立人Ｂが提出したいずれの甲号証等に記載あるいは示唆されるものでもない。 また、相違点１ｃに係る構成に関する、申立人Ａの意見書Ａにおける主張について検討しても、上記１（１）ウに示したのと同じ理由で、採用することができない。 したがって、甲１Ｂ発明に、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載の技術事項を適用しても、相違点１ｃに係る本件発明１の構成に想到できない。 ウ 小括 よって、本件発明１は、その余の相違点について判断するまでもなく、甲１Ｂ発明及び甲１Ａ～甲４Ａ、甲２Ｂ、甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （２）本件発明２ ア 対比 本件発明２と甲１Ｂ発明とを対比する。 本件発明１と共通する本件発明２の構成（構成２Ａ～構成２Ｇ、構成２Ｉ）については、上記（１）アの（ア）～（エ）と同様である。 そうすると、本件発明２と甲１Ｂ発明との一致点及び相違点は、次のとおりである。 （一致点） 「２Ａ ショベルの周囲の作業現場の環境情報を取得する環境情報取得部と、 ２Ｂ 機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部と、 ２Ｃ 記憶部と、 ２Ｄ’情報を前記記憶部に記録する記録部と、を備える、 ２Ｉ ショベル。」 （相違点３ｃ） 本件発明２は、 「記録部」により「前記記憶部に記録する」ものが「前記環境情報取得部により取得される環境情報」であって、 「前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、 前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され」るのに対して、甲１Ｂ発明では、そのような特定がされていない点。 （相違点４ｃ） 本件発明２は、 「前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、前記判定を行い、 前記学習済みモデルは、複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される」ものであるのに対して、甲１Ｂ発明では、そのような特定がされていない点。 イ 判断 上記相違点３ｃに係る構成は、本件発明１と甲１Ａ発明との相違点２ａに係る構成を含む。 そして、相違点３ｃに係る構成が含む相違点２ａに係る構成は、上記１（１）イに示したとおり、申立人Ａ及び申立人Ｂが提出したいずれの甲号証等に記載あるいは示唆されるものでもない。 また、相違点３ｃに係る構成に関する、申立人Ａの意見書Ａにおける主張について検討しても、上記１（１）ウに示したのと同じ理由で、採用することができない。 したがって、甲１Ｂ発明に、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載の技術事項を適用しても、相違点３ｃに係る本件発明２の構成に想到できない。 ウ 小括 よって、本件発明２は、その余の相違点について判断するまでもなく、甲１Ｂ発明及び甲１Ａ～甲４Ａ、甲２Ｂ、甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （３）本件発明３、４、６～８ 本件発明３、４、６～８は、本件発明１又は本件発明２を全て含み、さらに限定を加えた発明であるから、上記（１）又は（２）検討した理由と同じ理由により、甲１Ｂ発明及び甲１Ａ～甲４Ａ、甲２Ｂ、甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （４）本件発明９ ア 対比 本件発明９と甲１Ｂ発明とを対比する。 （ア）構成９Ａ及び構成９Ｎについて 上記１（４）ア（ア）で説明したとおり、「第１のショベル」及び「第２のショベル」が、同一のショベルを指すことを許容するものと理解できる。 上記理解に基づいて、以下検討する。 甲１Ｂ発明の「ショベル」は、本件発明９の「第１のショベル」及び「第２のショベル」に相当する。 甲１Ｂ発明の「周辺監視システム１００」は、本件発明９の「ショベル支援システム」に相当する。 （イ）構成９Ｂについて 甲１Ｂ発明の「ショベル」に備えられ、「ショベルの周囲の画像を撮像する装置であ」る「撮像装置４０」は、本件発明９の「前記第１のショベルに設けられ、前記第１のショベルの周囲の環境情報を取得する第１の環境情報取得部」に相当する。 （ウ）構成９Ｃについて 甲１Ｂ発明の「ショベル」に備えられ、「撮像装置４０の撮像画像に基づいてショベルの周辺に人が存在するか否かを検知する人検知部３４」であって、「人検知部３４」は、「抽出部３１、識別部３２、及び追跡部３３の組み合わせ」で構成され、「識別部３２」が「ＨＯＧ特徴量に代表される画像特徴量記述と機械学習により生成した識別器とを用いた画像認識処理等の比較的演算量の多い画像処理によって人候補画像が人画像であるかを識別」するものは、本件発明９の「前記第１のショベルに設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１のショベルの周囲の物体に関する判定を行う判定部」に相当する。 （エ）構成９Ｄについて 甲１Ｂ発明の「ショベル」に備えられ、「ショベルの周囲の画像を撮像する装置であ」る「撮像装置４０」は、本件発明９の「前記第２のショベルに設けられ、前記第２のショベルの周囲の環境情報を取得する第２の環境情報取得部」に相当する。 （オ）構成９Ｅについて 甲１Ｂ発明において、「ショベル」に設けられている「コントローラ３０」の「内部メモリ」は、本件発明９の「前記第２のショベルに設けられる記憶部」に相当する。 （カ）構成９Ｆについて 甲１Ｂ発明の「ショベル」に設けられている「コントローラ３０」の「内部メモリ」は、情報が記憶される部位であることは明らかであり、また、情報を記憶させるためには、入手した情報を記録する機能を有していることが通常である。よって、甲１Ｂ発明の前記「内部メモリ」は、情報を記録する機能を有しているといえる。 そうすると、甲１Ｂ発明の、「ショベル」に設けられている「コントローラ３０」の「内部メモリ」と、本件発明９において、「前記第２のショベルに設けられ、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録する記録部」とは、「前記第２のショベルに設けられ」る、「情報を記憶部に記録する記録部」である点で共通する。 そうすると、本件発明９と甲１Ａ発明との一致点及び相違点は、次のとおりである。 （一致点） 「９Ａ’ 第１のショベルと、第２のショベルと、を含むショベル支援システムであって、 ９Ｂ 前記第１のショベルに設けられ、前記第１のショベルの周囲の環境情報を取得する第１の環境情報取得部と、 ９Ｃ 前記第１のショベルに設けられ、機械学習が行われた学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記第１のショベルの周囲の物体に関する判定を行う判定部と、 ９Ｄ 前記第２のショベルに設けられ、前記第２のショベルの周囲の環境情報を取得する第２の環境情報取得部と、 ９Ｅ 前記第２のショベルに設けられる記憶部と、 ９Ｆ’ 前記第２のショベルに設けられ、情報を記憶部に記録する記録部と、を備える、 ９Ｎ ショベル支援システム。」 （相違点５ｃ） 本件発明９は、 「前記第１のショベル及び前記第２のショベルと通信可能な外部装置」を含み、（構成９Ａ）、 「記録部」は、「前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録」していて、（構成９Ｅ） 「前記第２のショベルに設けられ、前記記録部により前記記憶部に記録される環境情報を前記外部装置に送信する環境情報送信部」と、（構成９Ｆ’） 「前記外部装置に設けられ、前記第２のショベルから受信される、前記第２のショベルで取得され前記記憶部に記録された環境情報に基づき、教師情報を生成する教師情報生成部と、」（構成９Ｇ） 「前記外部装置に設けられ、前記教師情報生成部により生成された教師情報に基づき、前記第１のショベルで前記判定に用いられている前記学習済みモデルと同一の学習済みモデルに追加学習を行わせ、追加学習済みモデルを生成する学習部と、」（構成９Ｈ） 「前記外部装置に設けられ、前記学習部により追加学習が行われた前記追加学習済みモデルを前記第１のショベルに送信するモデル送信部と、」（構成９Ｉ） を備え、 「前記記録部は、前記第２のショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記第２の環境情報取得部により取得される環境情報を前記記憶部に記録し、」（構成９Ｎ） 「前記学習済みモデルは、前記第１のショベルにおいて、前記外部装置から受信される前記追加学習済みモデルに更新され、」（構成９Ｊ） 「前記判定部は、前記学習済みモデルが更新された場合、更新された前記学習済みモデルを用いて、前記第１の環境情報取得部により取得される環境情報に基づき、前記判定を行う」のに対して、（構成９Ｋ） 甲１Ｂ発明は、そのような特定がされていない点。 イ 判断 上記相違点５ｃに係る構成は、本件発明１と甲１Ａ発明との相違点２ａに係る構成と同様の構成を含む。 そして、相違点３ｃに係る構成が含む相違点２ａに係る構成は、上記１（１）イに示したとおり、申立人Ａ及び申立人Ｂが提出したいずれの甲号証等に記載あるいは示唆されるものでもない。 また、相違点５ｃに係る構成に関する、申立人Ａの意見書Ａにおける主張について検討しても、上記１（１）ウに示したのと同じ理由で、採用することができない。 したがって、甲１Ｂ発明に、申立人Ａ及び申立人Ｂが提出した全ての甲号証等に記載の技術事項を適用しても、相違点５ｃに係る本件発明９の構成に想到できない。 ウ 小括 よって、本件発明９は、甲１Ｂ発明及び甲１Ａ～甲４Ａ、甲２Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 （５）本件発明１０～１２について 本件発明１０～１２は、本件発明９を全て含み、さらに限定を加えた発明であるから、上記（４）で検討した理由と同じ理由により、甲１Ｂ発明及び及び甲１Ａ～甲４Ａ、甲２Ｂ～甲３Ｂ、参考資料１～４に記載された技術事項に基づいて、当業者が容易に発明をすることができたものではない。 ４ まとめ 以上のとおりであるから、本件発明１～４，６～１２は、甲１Ａ発明、甲２Ａ発明、甲３Ａ技術事項、甲４Ａ技術事項及び周知技術、並びに、参考資料１～４、その他の甲号証、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はなく、また、甲２Ａ発明、甲１Ａ発明及び甲３Ａ技術事項、並びに、参考資料１～４、その他の甲号証、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はなく、さらに、甲１Ｂ発明、甲１Ａ発明及び甲３Ａ技術事項、並びに、参考資料１～４、その他の甲号証、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もない。 よって、本件発明１～４，６～１２に係る特許は、特許法第２９条第２項の規定に違反して、特許されたものではないから、同法第１１３条第２号に該当し、取り消されるべきものではない。 第７ 取消理由通知に採用しなかった特許異議申立理由についての当審の判断 １ サポート要件違反（申立理由１Ａ、申立理由１Ｂ）について （１）申立人Ａ及び申立人Ｂが主張する具体的理由 申立人Ａは、請求項１～８に係る特許について、サポート要件違反の申立理由１Ａを申立てている。 申立人Ｂは、請求項１～８及び１０に係る特許について、サポート要件違反の申立理由１Ｂを申立てている。 サポート要件違反についての主張の内容は、以下のとおりである。 ア 申立人Ａは、本件明細書の段落【０００５】「しかしながら、ショベルは、多様な環境下で使用されうるところ、特許文献１等では、あらかじめ規定された判定基準で判定が行われるため、環境条件によっては、適切な判定精度を確保できない可能性がある。」等を示し、本件明細書の発明の詳細な説明の記載によれば、課題を解決するためには、ショベル１００だけでなく、取得された撮像画像ＩＭ１に基づく教師データの生成、当該教師データに基づく追加学習済みモデルの生成、及び当該追加学習済みモデルの送信を行う管理装置２００が必須要素である。しかしながら、本件請求項１～８には、前記管理装置２００またはこれらに相当する要素は何ら特定されておらず、発明の構成要素として特定されているのは、単一のショベルのみであり、このようなショベル単体で課題を解決され得ない旨主張する。（申立書Ａ１２頁１５行～１５頁末行） イ 申立人Ｂは、本件訂正前発明１について、発明の対象が「ショベル」でありながら、その構成要件において「自ショベルを含む複数のショベル」の構成を述べており、発明の対象物に関して矛盾する記載が含まれていること、「取得された作業現場の環境情報」がどのようにして取得されたものであるのか特定されておらず、不明であること、「自ショベルを含む複数のショベルは、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定」における「前記判定」は、本件特許の明細書又は図面に何ら記載されていないこと、「教師情報」は、通常とは異なる生成手法を用いているものと推察されるが、それを裏付ける実施例や構成の示唆については、明細書又は図面に一切記載されていないことを主張し、本件訂正前発明２について、「教師情報」は、前記のものと同様に、明細書又は図面に一切記載されていないことを主張し、本件訂正前発明３について、「前記追加学習済みモデル」は、それを実現するような実施例は、発明の詳細な説明又は図面には一切記載されていないことを主張し、本件訂正前発明４について、「人工的に生成される作業現場の環境情報から生成される前記教師情報」が、請求項１及び請求項２で特定される「取得された作業現場の環境情報から生成される教師情報」又は「複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報」との対応関係が不明であり、本件訂正前発明１０について、「同一のショベル」が何を意味するのか不明であり、これらの本件訂正前発明について、本件特許に係る発明の詳細な説明又は図面に記載されたものではなく、それらの記載から当業者が一般化又は普遍化することによって導出し、または想定されるものではない旨主張する。（申立書Ｂ３１頁２行～３８頁２３行） ウ 申立人Ａは、意見書Ａにおいて、本件訂正について新規事項の追加である旨を上記第２の２（４）アのように主張するのと同じ理由で、本件訂正後の請求項１，２及び９さらにはこれらを引用する請求項３，４，６～８，１０～１２に係る発明は、サポート要件違反である旨を主張する（意見書Ａ４頁１２行～５頁１行）。 （２）サポート要件の判断基準 特許請求の範囲の記載が、サポート要件に適合するか否かは、特許請求の範囲の記載と発明の詳細な説明の記載とを対比し、特許請求の範囲に記載された発明が、発明の詳細な説明に記載された発明で、発明の詳細な説明の記載又は示唆により当業者が当該発明の課題を解決できると認識できる範囲のものであるか否か、また、その記載や示唆がなくとも当業者が出願時の技術常識に照らし当該発明の課題を解決できると認識できる範囲のものであるか否かを検討して判断する。 （３）判断基準に基づく判断 上記判断基準に照らして、本件訂正で削除された請求項５を除く、申立理由１Ａ及び申立理由１Ｂの対象請求項である、請求項１～４、６～８及び１０について、以下、検討する。 ア 発明の詳細な説明の記載 本件明細書の発明の詳細な説明に次の記載がある。 （ア）「【発明が解決しようとする課題】 【０００５】 しかしながら、ショベルは、多様な環境下で使用されうるところ、特許文献１等では、予め規定された判定基準で判定が行われるため、環境条件によっては、適切な判定精度を確保できない可能性がある。 【０００６】 そこで、上記課題に鑑み、ショベルの周囲の環境情報に基づき、ショベルの周囲の物体に関する判定を行う場合の多様な環境条件下での判定精度を向上させることが可能な技術を提供する。」 （イ）「【００６２】 記録タイミングは、例えば、予め規定される周期的なタイミングであってよい。また、記録タイミングは、撮像装置７０の撮像画像に基づく判定装置３４（判定部３４４）によるショベル１００の周囲の物体に関する判定の際に誤判定が生じ易いショベル１００の状態が生じたときであってよい。具体的には、記録タイミングは、ショベル１００の走行時や旋回時であってよい。また、記録タイミングは、判定部３４４がショベル１００の周囲の監視領域で物体を検出したと判定したときであってもよい。また、記録タイミングは、コントローラＯＮで開始してもよく、ゲートロックレバー解除で開始してもよく、操作レバーＯＮで開始してもよい。以下、後述する図７、図８のショベル支援システムＳＹＳ（ショベル１００）場合についても同様である。 ・・・ 【００９９】 上述の如く、判定部３４４は、学習済みモデルＬＭ（ニューラルネットワーク４０１）に後方カメラ７０Ｂの撮像画像の画像データを入力することにより、学習済みモデルＬＭから出力される、撮像画像の中の物体の占有領域及びその占有領域の物体の種類を取得することができる。よって、本例では、学習済みモデルＬＭから出力される、"人"に分類される物体（作業員ＰＳ）の占有領域を取り囲む態様のボックスアイコン５０１、及び、検出（分類）された物体が人であることを表す文字情報アイコン５０２を撮像画像に重畳して表示させる。また、学習済みモデルＬＭから出力される"トラック"に分類される物体（トラックＴＫ）の占有領域を取り囲む態様のボックスアイコン５０３及び、検出（分類）された物体がトラックであることを表す文字情報アイコン５０４を撮像画像に重畳して表示させる。これにより、オペレータ等は、検出された物体を容易に認識することができると共に、検出された物体の種類を容易に認識することができる。 ・・・ 【０１００】 尚、撮像装置７０の撮像画像は、表示装置４０の表示領域全体に表示されてもよい。また、表示装置４０には、上述した撮像装置７０の撮像画像に基づく変換画像（例えば、上述の合成視点変換画像）が表示されてもよく、この場合、変換画像上の物体の占有領域に相当する部分にボックスアイコンや文字情報アイコンが重畳して表示されてよい。また、ショベル１００が遠隔操作される場合、図５と同様の内容は、管理装置２００の表示装置（例えば、表示装置２３０）に表示されてよい。 【０１０１】 記憶部３４６には、学習済みモデルＬＭが保存されている。記憶部３４６の学習済みモデルＬＭは、通信機器９０により管理装置２００から更新版の学習済みモデル、つまり、後述の如く、追加学習がなされた学習済みモデル（以下、「追加学習済みモデル」）が受信された場合、受信された追加学習済みモデルに更新される。これにより、判定部３４４は、管理装置２００で追加学習がなされた追加学習済みモデルを利用することができるため、学習済みモデルの更新に応じて、ショベル１００の周囲の物体に関する判定精度を向上させることができる。 （ウ）「【０１５７】 これにより、ショベル１００の学習済みモデルＬＭは、自ショベルや他ショベルによって多様な環境下で取得される撮像装置７０の撮像画像から生成される教師データで追加学習が行われた追加学習済みモデルで更新される。よって、ショベル１００は、ショベル１００の周囲の環境情報（撮像装置７０の撮像画像）に基づき、ショベル１００の周囲の物体に関する判定を行う場合の多様な環境条件下での判定精度を向上させることができる。」 （エ）「【０１６５】 これにより、教師データに利用するのに適切な品質の撮像画像（例えば、追加学習に適用すべき、誤判定が生じ易い動作条件での撮像画像や具体的に誤判定が発生している可能性があるときの撮像画像等）を選択的に記録することができる。よって、学習済みモデルＬＭの過学習等を抑制し、ショベル１００の周囲の物体に関する判定精度を更に向上させることができる。」 イ 本件発明の課題及び課題を解決する手段について 上記アの段落【０００５】の記載をふまえると、、本件発明の課題は、ショベルは、多様な環境下で使用されうるが、予め規定された判定基準で判定が行われることから、環境条件によっては、適切な判定精度を確保できない可能性があることであると認められる。 そして、上記本件発明の課題を解決する手段については、段落【０００６】、【０１０１】、【０１５７】、【０１６５】をふまえると、ショベルの周囲の物体に関する判定を判定部３４４において、学習済みモデルの更新ができることであるとともに、誤判定が生じ易い動作条件での撮像画像が、教師データとして用いられることであると認められる。 ウ 判断 本件発明１は、「機械学習が行われた学習済みモデルを用いて、前記環境情報取得部により取得される環境情報に基づき、ショベルの周囲の物体に関する判定を行う判定部」、「記憶部」、「前記環境情報取得部により取得される環境情報を前記記憶部に記録する記録部」とを備えており、「前記記録部は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立すると、前記環境情報取得部により取得される環境情報を前記記憶部に記録し、前記学習済みモデルは、前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され」るとの構成を有している。 したがって、本件発明１は、発明の詳細な説明に記載された発明であるとともに、発明の詳細な説明の記載により当業者が当該発明の課題を解決できると認識できる範囲のものであると認められる。 訂正後の請求項２についても、請求項１について上述したのと同様の記載があることから、当業者が当該発明の課題を解決できると認識できる範囲のものであると認められる。 なお、訂正後の請求項９についても、請求項１について上述したのと同様の記載があることから、当業者が当該発明の課題を解決できると認識できる範囲のものであると認められる。 したがって、訂正後の請求項１、２を引用する請求項３、４、６～８、及び訂正後の請求項９を引用する請求項１０についても、当業者が当該発明の課題を解決できると認識できる範囲のものであると認められる。 よって、申立人Ａがサポート要件違反の申立理由１Ａの対象とする本件発明１～４、６～８、及び、申立人Ｂがサポート要件違反の申立理由１Ｂの対象とする本件発明１～４、６～８及び１０は、特許法３６条６項１号に規定する要件に違反するとはいえない。 なお、申立人Ａが意見書Ａで請求項９～１２について追加したサポート要件違反に関する主張は、申立理由１Ａの要旨を変更するものであって採用できないが、申立人Ｂが申立理由１Ｂの対象とする請求項１０について上述したのと同様の理由でも、採用できない。 ２ 明確性要件違反（申立理由２Ａ、申立理由２Ｂ）について （１）申立人Ａ及び申立人Ｂが主張する具体的理由 申立人Ａは、請求項１～８に係る特許について、明確性要件違反の申立理由２Ａを申立てている。 申立人Ｂは、請求項１～８及び１０に係る特許について、明確性要件違反の申立理由２Ｂを申立てている。 明確性要件違反についての主張の内容は、以下のとおりである。 ア 申立人Ａは、本件訂正前発明１及び２について、「取得された作業現場の作業現場の環境情報から生成される教師情報に基づき追加学習が行われた、追加学習済みモデルに更新され」ることが構成要件として特定されているが、管理装置２００またはこれに相当する構成要素は、本件訂正前発明１及び２、さらにはこれらを引用する本件訂正前発明３～８の何れにも特定されていないから、本件請求項１～８の記載では、発明の構成を明確に特定することができない旨を主張している。また、本件訂正前発明１～８において特定されているのは、単一のショベルのみであって、「複数のショベル」は発明の構成要素として特定されていないから、本件訂正前発明１～８の外延を明確に特定することはできない旨を主張している。（申立書Ａ１６頁１～末行） イ 申立人Ｂは、サポート要件違反において述べた理由と同じ理由により、本件訂正前発明１～８、１０の記載は不明確である旨を主張しているところ（申立書Ｂ３８頁２４行～３９頁１５行）、明確性要件違反については、以下のような主張をしている。 （ア）本件訂正前発明１において、対象物が「ショベル」でありながら、「自ショベルを含む複数のショベル」の構成を述べており、発明の対象物に関して矛盾する記載がふくまれている。（申立書Ｂ３１頁２５～３１行） （イ）本件訂正前発明３の「前記追加学習済みモデル」が「自ショベル及び自ショベルとは異なる他ショベルのうちの少なくとも一方で取得される作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた」という記載は、本件訂正前発明２の「少なくとも複数のショベルにおける環境情報取得部で取得される作業現場の環境情報から生成される教師情報に基づき追加学習される」という記載と論理的に矛盾がある。（申立書Ｂ３６頁２３～２６行） （ウ）本件訂正前発明４の「人工的に生成される作業現場の環境情報から生成される前記教師情報」は、請求項１及び２で特定される、「取得された作業現場の環境情報から生成される教師情報」又は「複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報」との対応関係が不明である。（申立書Ｂ３７頁１２～１６行） （エ）本件訂正前発明１０の「同一のショベル」が何を意味するのか不明であり、請求項９の記載とどのように対応するのかも不明である。（申立書Ｂ３８頁１３～１７行） ウ 申立人Ａは、意見書Ａにおいて、本件訂正後の請求項１，２，９に係る発明、及びこれを引用する請求項３、４、６～８、１０～１２に係る発明は、（１）旋回動作が行われたことを表す条件が成立した場合及び走行動作が行われたことを表す条件が成立した場合の何れにおいても環境情報を記録する態様に限定する趣旨であるのか、あるいは、（２）旋回動作は考慮することなく「走行動作が行われたことを表す条件が成立した場合」に環境情報を記録する態様や走行動作は考慮することなく「旋回動作が行われたことを表す条件が成立した場合」に環境情報を記録する態様も広く包含する趣旨であるのか、を判別することができず、かかる不明確性は、本件発明の技術的範囲の解釈を著しく困難にし、第三者に不測の不利益を与え得る重大なものである旨を主張している（意見書Ａ５頁２行～６頁５行）。 （２）明確性要件の判断基準 特許を受けようとする発明が明確であるかは、特許請求の範囲の記載だけではなく、願書に添付した明細書の記載及び図面を考慮し、また、当業者の出願時における技術常識を基礎として、特許請求の範囲の記載が、第三者に不測の不利益を及ぼすほどに不明確であるか否かという観点から判断されるべきである。 （３）判断基準に基づく判断 上記判断基準に照らして、本件訂正で削除された請求項５を除く、申立理由２Ａ及び申立理由２Ｂの対象請求項である、請求項１～４、６～８及び１０について、検討する。 ア 上記（１）アの申立人Ａの主張について 本件発明１及び２は、「学習済みモデル」は、「前記記録部により前記記憶部に記録された、作業現場の環境情報から生成される教師情報に基づき追加学習が行われ」て、「追加学習済みモデルに更新され」ることが理解できる。したがって、「ショベル」の「判定部」で用いられる「学習済みモデル」についての記載は明確であり、「ショベル」が「管理装置」を備えることが特定されていないからといって、ショベルの構成が不明確となるものとはいえない。 また、本件発明１及び２において、「複数のショベル」に関する特定について検討する。 本件発明１では「自ショベルを含む複数のショベルは、同一の前記学習済みモデルを有すると共に、前記学習済みモデルを用いて、前記判定を行い、」と特定されているところ、この特定により、「ショベル」の「判定部」で用いられる「学習済みモデル」は、「自ショベル」すなわち、「教師情報」を生成する元となる「環境情報」を取得した「ショベル」（構成要件１Ｅ参照）や、そうではないショベルを含めた複数のショベルにおいて、「同一」のものが用いられていることが示されていると理解できる。 また、本件発明２では、「前記学習済みモデルは、複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた前記追加学習済みモデルに更新される」と特定されているところ、この特定により、「ショベル」の「判定部」で用いられる「学習済みモデル」は、「追加学習済みモデルに更新」するにあたって、「教師情報」を生成するもととなる「作業現場の環境情報」が、「複数のショベルで取得される」ことが示されていると理解できる。 よって、本件発明１及び２の「ショベル」の「判定部」で用いられる「学習済みモデル」についての記載は明確であり、「複数のショベル」が特定されていないからといって、ショベルの構成が不明確となるものとはいえない。本件発明１及び２を引用して記載する発明についても同様である。 イ 上記（１）ウの申立人Ａの主張について 上記第２の２（２）ア（ウ）ｂにおいて言及したとおり、本件特許明細書の段落【００６１】、【００６２】の記載から、「記録タイミング」が、走行時又は旋回時となったときに、撮像装置７０の撮像画像を記憶部３２４に記録することを意味しているものと理解でき、このようなことをふまえれば、本件発明１、２は、自ショベルの旋回動作が行われたこと又は走行動作が行われたことを表す条件が成立した場合において、環境情報取得部により取得される環境情報を記憶部に記録するものと理解でき、この点について不明確とはいえない。 なお、申立人Ａが意見書Ａで請求項９～１２について追加した明確性要件違反に関する主張は、申立理由２Ａの要旨を変更するものであって採用できないが、請求項１及び請求項２について上述したのと同様の理由でも、採用できない。 ウ 上記（１）イの申立人Ｂの主張について （ア）本件発明１において、「ショベル」が「判定」に用いる「学習済みモデル」について、「自ショベルを含む複数のモデル」で同一であることが特定されたからといって、そのような「学習済みモデル」を用いる「ショベル」について、特段不明確となるとはいえない。 したがって、申立人Ｂが上記（１) イ（ア）で主張する点について、本件発明１が第三者に不測の不利益を生じさせる程に不明確であるとはいえない。 （イ）本件発明３は、本件発明１または本件発明２を引用するところ、「自ショベル及び自ショベルとは異なる他ショベルのうちの少なくとも一方で取得される作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた」という本件発明３の構成について、本件発明２を引用する場合に、必ず「自ショベル」のみで取得される作業現場の環境情報で追加学習することが特定されているものではないから、本件発明２における「複数のショベルで取得される周囲の作業現場の環境情報から生成される前記教師情報に基づき前記追加学習が行われた」という構成と矛盾するとはいえない。 したがって、申立人Ｂが上記（１）イ（イ）で主張する点について、本件発明３が第三者に不測の不利益を生じさせる程に不明確であるとはいえない。 （ウ）本件発明４は、本件発明１または本件発明２を引用するところ、本件発明４における「追加学習」は、本件発明１または本件発明２で特定される「ショベルの周囲の作業現場の環境情報を取得する環境清報取得部」により取得された「作業現場の環境情報から生成される教師情報」に基づく「追加学習」、及び、本件発明４で特定される「人工的に生成される作業現場の環境情報から生成される前記教師情報」に基づく「追加学習」の、両方が行われると、合理的に理解される。 したがって、本件発明４における特定と、本件発明１または本件発明２における特定との対応関係は、整合的に理解されるから、申立人Ｂが上記（１) イ（ウ）で主張する点について、本件発明４が第三者に不測の不利益を生じさせる程に不明確であるとはいえない。 （エ）本件発明９は、「ショベル支援システム」について、「第１のショベル」、「第２のショベル」及び「外部装置」を含むこと、並びにこれら「ショベル」と「外部装置」の機能的な関係を特定しており、本件発明１０は、本件発明９における「第１のショベル」と「第２のショベル」とが「同一のショベル」であることを特定しているところ、これら本件発明９及び本件発明１０で特定される構成について、特段の矛盾や不整合があるとはいえない。 したがって、申立人Ｂが上記（１) イ（エ）で主張する点について、本件発明９及び本件発明１０が第三者に不測の不利益を生じさせる程に不明確であるとはいえない。 エ まとめ 以上のとおりであるから、本件発明１～４、６～８及び１０について、特許請求の範囲の記載だけではなく、願書に添付した明細書の記載及び図面を考慮し、また、当業者の出願時における技術常識を基礎として、特許請求の範囲の記載が、第三者に不測の不利益を及ぼすほどに不明確であるとはえない。 第８ むすび 以上のとおりであるから、請求項１～４、６～１２に係る発明の特許は、取消理由通知書に記載した取消理由及び特許異議申立書に記載した特許異議申立理由によっては取り消すことはできない。 さらに他に請求項１～４、６～１２に係る特許を取り消すべき理由を発見しない。 そして、本件訂正により、請求項５は削除された。これにより、請求項５に係る特許についての特許異議の申立ては、申立ての対象が存在しないものとなったため、特許法第１２０条の８第１項で準用する同法第１３５条の規定により却下する。 よって、結論のとおり決定する。