TaiLexi AI日本の判例・法令
← ホーム
審決特許庁成立

特許庁審決 令和6年9月9日

不服2024-001849 頭部姿勢予測のための深層予測器再帰ニューラルネットワーク

AI 要約AI

頭部姿勢予測再帰ニューラルネットワークを用いたウェアラブルシステムについて、レンダリング待ち時間と関連付けられた時間範囲で予測される頭部姿勢を出力し、その予測に基づき仮想コンテンツをレンダリングする構成は、引用文献1、2及びAに記載されておらず周知技術でもないとして、進歩性が認められた事例。

続きを見る ↓AI が判決本文から作成した要約です(誤りを含む可能性があります)。

この資料について AI に質問

機関
特許庁
年月日
令和6年9月9日 (2024-09-09)
事件番号
不服2024-001849
事件名
頭部姿勢予測のための深層予測器再帰ニューラルネットワーク
種類・結果
審決 成立
掲載
—
争点・税目
拒絶査定不服審判 / 特許
分野
知的財産

結論

原査定を取り消す。

本願の発明は、特許すべきものとする。

AI 要約AI

要旨

  • 頭部姿勢予測再帰ニューラルネットワークを用いたウェアラブルシステムについて、レンダリング待ち時間と関連付けられた時間範囲で予測される頭部姿勢を出力し、その予測に基づき仮想コンテンツをレンダリングする構成は、引用文献1、2及びAに記載されておらず周知技術でもないとして、進歩性が認められた事例。
事案の概要・争点・判断などを表示

事案の概要

  • 本願は、2019年7月22日を国際出願日とする、頭部姿勢予測のための深層予測器再帰ニューラルネットワークに関する発明に係る特許出願である。
  • 原査定は、本願の請求項1ないし21に係る発明は引用文献1(米国特許出願公開第2018/0053056号明細書)及び引用文献2(国際公開第2016/002318号)に記載された発明に基づいて容易に発明できたとして、特許法第29条第2項の規定により拒絶した。
  • 請求人は、令和6年2月2日付けで審判請求書及び手続補正書を提出し、原査定の取消しを求めた。
  • 当審は、引用文献A(E. W. Saad, 外2名、"Predictive head tracking for virtual reality"、IJCNN'99. International Joint Conference on Neural Networks. Proceedings、米国、1999.発行、p.3933-3936)を新たに引用した。

争点

  • 本願発明1ないし21が、引用文献1、2及びAに記載された発明に基づいて、当業者が容易に発明をすることができたものであるか否か。

判断

  • 本願発明1と引用発明とを対比すると、一致点及び相違点1ないし4が認められる。
  • 相違点2及び相違点4について、ハードウェアプロセッサが頭部姿勢データを頭部姿勢予測再帰ニューラルネットワークに入力し、レンダリング待ち時間と関連付けられた時間範囲で予測される頭部姿勢を出力し、その予測される頭部姿勢と関連付けられるときにレンダリングが完了するように構成することは、引用文献1、2及びAに記載されておらず、本願の優先日前において周知技術であったともいえない。
  • 引用文献2には予測された遅延時間における画像をレンダリングする技術事項が、引用文献Aにはサンプリング時間と頭部姿勢とをリカレントニューラルネットワークを用いて予測する技術事項が記載されているものの、当該事項に基づいて相違点2及び相違点4に係る発明特定事項が当業者にとって容易に想到し得るとすることはできない。
  • よって、他の相違点について検討するまでもなく、本願発明1は当業者が引用文献1、2及びAに記載された発明に基づいて容易に発明をすることができたものとはいえない。本願発明2ないし10、16ないし21は本願発明1を減縮した発明であり、本願発明11も同様の理由により進歩性が認められ、本願発明12ないし15は本願発明11を減縮した発明である。

判旨(本文から引用)

  • ハードウェアプロセッサが、頭部姿勢データを頭部姿勢予測再帰ニューラルネットワークに入力することと、時間範囲において、前記頭部姿勢予測再帰ニューラルネットワークを実行し、予測される頭部姿勢を出力することであって、前記時間範囲は、レンダリング待ち時間と関連付けられた時間を示す、ことと、ディスプレイに、前記時間範囲において、計算された仮想コンテンツをレンダリングさせることであって、前記計算された仮想コンテンツのレンダリングは、前記ディスプレイが前記予測される頭部姿勢と関連付けられるときに完了するように構成される、こととを行うことは、引用文献1、2及びAには記載されておらず、本願の優先日前において周知技術であったともいえない。

結論

  • 原査定を取り消す。
  • 本願の発明は、特許すべきものとする。

AI が本文から作成した要約です。引用の際は本文をご確認ください。

当事者

請求人 マジック リープ, インコーポレイテッド(代理人 弁理士4名、弁護士1名)

審判番号 不服2024-001849

請求人 マジック リープ, インコーポレイテッド(代理人 弁理士4名、弁護士1名)

特願2021-500724「頭部姿勢予測のための深層予測器再帰ニューラルネットワーク」拒絶査定不服審判事件〔令和2年1月30日国際公開、WO2020/023399、令和3年11月11日国内公表、特表2021-530790、請求項の数(21)〕について、次のとおり審決する。

結 論

原査定を取り消す。

本願の発明は、特許すべきものとする。

理 由

第1 手続の経緯

本願は、2019年(令和元年)7月22日(パリ条約による優先権主張外国庁受理2018年(平成30年)7月23日、米国)を国際出願日とする出願であって、その手続の経緯は、概略、以下のとおりである。

令和4年7月21日  :手続補正書の提出

令和5年5月26日付け:拒絶理由通知

令和5年8月16日  :意見書、手続補正書の提出

令和5年9月27日付け:拒絶査定(原査定)

令和6年2月2日  :審判請求書、手続補正書の提出

第2 原査定の概要

原査定(令和5年9月27日付け)の概要は次のとおりである。

本願の請求項1ないし21に係る発明は、以下の引用文献1及び2に記載された発明に基づいて、その発明の属する技術の分野における通常の知識を有する者(以下、「当業者」という。)が容易に発明できたものであるから、特許法第29条第2項の規定により特許を受けることができない。

引用文献等一覧

1.米国特許出願公開第2018/0053056号明細書

2.国際公開第2016/002318号

第3 本願発明

本願の請求項1ないし21に係る発明(以下、それぞれ「本願発明1」-「本願発明21」という。)は、令和6年2月2日付けの手続補正で補正された特許請求の範囲の請求項1ないし21に記載された事項により特定される、以下のとおりの発明である。

「  【請求項1】

ウェアラブルシステムであって、

前記ウェアラブルシステムの装着者の眼の前に配置されるように構成されるディスプレイであって、前記ディスプレイは、仮想コンテンツを前記ウェアラブルシステムの前記装着者に表示するように構成される、ディスプレイと、

前記ディスプレイと関連付けられた頭部姿勢データを提供するように構成される頭部姿勢センサと、

頭部姿勢予測再帰ニューラルネットワークを記憶するように構成される非一過性メモリと、

前記頭部姿勢センサ、前記ディスプレイ、および前記非一過性メモリと通信するハードウェアプロセッサであって、前記ハードウェアプロセッサは、

前記頭部姿勢データを受信することと、

前記頭部姿勢データを前記頭部姿勢予測再帰ニューラルネットワークに入力することと、

時間範囲において、前記頭部姿勢予測再帰ニューラルネットワークを実行し、予測される頭部姿勢を出力することであって、前記時間範囲は、レンダリング待ち時間と関連付けられた時間を示す、ことと、

前記予測される頭部姿勢に基づいて、どの仮想コンテンツが前記装着者の視野内にあるかを計算することと、

前記ディスプレイに、前記時間範囲において、前記計算された仮想コンテンツをレンダリングさせることであって、前記計算された仮想コンテンツのレンダリングは、前記ディスプレイが前記予測される頭部姿勢と関連付けられるときに完了するように構成される、ことと

を行うようにプログラムされる、ハードウェアプロセッサと

を備える、ウェアラブルシステム。

【請求項2】

前記ディスプレイは、前記仮想コンテンツを複数の深度平面に提示するように構成される、請求項1に記載のウェアラブルシステム。

【請求項3】

前記頭部姿勢センサは、慣性測定ユニットを備える、請求項1に記載のウェアラブルシステム。

【請求項4】

前記頭部姿勢予測再帰ニューラルネットワークは、再帰ニューラルネットワーク(RNN)および全結合(FC)層を備える、請求項1に記載のウェアラブルシステム。

【請求項5】

前記頭部姿勢予測再帰ニューラルネットワークは、複数の反復モジュールを備える、請求項1に記載のウェアラブルシステム。

【請求項6】

前記複数の反復モジュールのうちの少なくとも1つは、長短期メモリセル(LSTM)またはゲート付き再帰ユニット(GRU)を備える、請求項5に記載のウェアラブルシステム。

【請求項7】

前記頭部姿勢予測再帰ニューラルネットワークは、1つ以上の長短期メモリ(LSTM)セルのスタックまたは1つ以上のゲート付き再帰ユニット(GRU)のスタックを備える、請求項1に記載のウェアラブルシステム。

【請求項8】

前記予測される頭部姿勢は、3自由度(DOF)姿勢を備える、請求項1に記載のウェアラブルシステム。

【請求項9】

前記予測される頭部姿勢は、頭部配向を備え、前記ハードウェアプロセッサは、予測非ニューラルネットワークモデルを使用して、前記時間範囲において、頭部位置を予測するようにさらにプログラムされる、請求項1に記載のウェアラブルシステム。

【請求項10】

前記予測非ニューラルネットワークモデルは、一定加速モデルを備える、請求項9に記載のウェアラブルシステム。

【請求項11】

仮想コンテンツをレンダリングするための方法であって、前記方法は、

コンピュータハードウェアを備えるレンダリングパイプラインの制御下で、

ユーザの頭部に関する頭部姿勢データを受信することであって、前記頭部姿勢データは、前記ユーザの眼の前に配置されるように構成されるディスプレイと関連付けられた姿勢を反映する、ことと、

少なくとも再帰ニューラルネットワーク(RNN)および前記頭部姿勢データを使用して、予測範囲において、予測される頭部姿勢を予測することであって、前記予測範囲は、レンダリング待ち時間と関連付けられた時間を示す、ことと、

前記予測される頭部姿勢に基づいて、どの仮想コンテンツが前記ユーザの視野内にあるかを計算することと、

前記予測範囲において、前記計算された仮想コンテンツをレンダリングすることであって、前記計算された仮想コンテンツのレンダリングは、前記ディスプレイが前記予測される頭部姿勢と関連付けられるときに完了するように構成される、ことと

を行うことを含む、方法。

【請求項12】

前記頭部姿勢データは、(1)慣性測定ユニット(IMU)からのデータ、(2)前記ユーザの頭部に関する速度または加速データ、または(1)および(2)の両方のうちの1つ以上のものの時系列を含む、請求項11に記載の方法。

【請求項13】

前記RNNは、1つ以上の長短期メモリ(LSTM)セルのスタックまたは1つ以上のゲート付き再帰ユニット(GRU)のスタックを備える、請求項11に記載の方法。

【請求項14】

前記RNNは、前記予測される頭部姿勢を出力するように構成される全結合(FC)層に接続される、請求項11に記載の方法。

【請求項15】

前記予測される頭部姿勢は、前記ユーザの頭部の配向を備え、前記方法は、前記予測範囲において、一定加速モデルを用いて、前記ユーザの頭部の位置を予測することをさらに含む、請求項11に記載の方法。

【請求項16】

前記3自由度(DOF)姿勢は、3自由度における角度配向を特定する、請求項8に記載のウェアラブルシステム。

【請求項17】

前記3自由度(DOF)姿勢は、ヨー角度、ピッチ角度、およびロール角度を特定する、請求項8に記載のウェアラブルシステム。

【請求項18】

前記3自由度(DOF)姿勢は、3自由度における空間位置を特定する、請求項8に記載のウェアラブルシステム。

【請求項19】

前記予測される頭部姿勢は、6自由度(DOF)姿勢を備える、請求項1に記載のウェアラブルシステム。

【請求項20】

前記6自由度(DOF)姿勢は、3自由度における角度配向および3自由度における空間位置を特定する、請求項19に記載のウェアラブルシステム。

【請求項21】

前記6自由度(DOF)姿勢は、ヨー角度、ピッチ角度、およびロール角度、ならびに3自由度における空間位置を特定する、請求項19に記載のウェアラブルシステム。」

第4 引用文献、引用発明等

1 引用文献1、引用発明

(1)引用文献1

原査定の拒絶の理由に引用された上記引用文献1には、図面とともに次の事項が記載されている(下線は当審による。以下同様。訳文は、日本語ファミリー文献である特表2019-532392号公報を参考に当審が作成した。)。

ア 「[0002] The present disclosure relates to augmented reality systems that use deep learning neural networks to combine multiple sensor inputs (e.g., inertial measurement units, cameras, depth sensors, microphones) into a unified pathway comprising shared layers and upper layers that perform multiple functionalities (e.g., face recognition, location and mapping, object detection, depth estimation, etc.).」

(当審訳:[0002] 本開示は、深層学習ニューラルネットワークを使用して、複数のセンサ入力(例えば、慣性測定ユニット、カメラ、深度センサ、マイクロホン)を、複数の機能性(例えば、顔認識、位置特定およびマッピング、オブジェクト検出、深度推定等)を実施する、共有層および上位層を備える、統合された経路の中に組み合わせる、拡張現実システムに関する。)

イ 「[0054] As an example, if a user wearing a head-worn display views a virtual representation of a three-dimensional (3D) object on the display and walks around the area where the 3D object appears, that 3D object can be re-rendered for each viewpoint, giving the user the perception that he or she is walking around an object that occupies real space. If the head-worn display is used to present multiple objects within a virtual space (for instance, a rich virtual world), measurements of head pose (e.g., the location and orientation of the user's head) can be used to re-render the scene to match the user's dynamically changing head location and orientation and provide an increased sense of immersion in the virtual space.」

(当審訳:[0054] 実施例として、頭部装着型ディスプレイを装着するユーザが、ディスプレイ上の3次元(3-D)オブジェクトの仮想表現を視認し、3-Dオブジェクトが現れる面積の周囲を歩き回る場合、その3-Dオブジェクトは、視点毎に再レンダリングされ、彼らが、実空間を占有するオブジェクトの周囲を歩き回っているような知覚をユーザに与えることができる。頭部装着型ディスプレイが、仮想空間内に複数のオブジェクト(例えば、豊かな仮想世界)を提示するために使用される場合、頭部の姿勢(例えば、ユーザの頭部の場所および配向)の測定が、ユーザの動的に変化する頭部場所および配向に合致するように場面を再レンダリングし、仮想空間内への没入感の増加を提供するために使用されることができる。)

ウ 「[0062] As shown in FIG. 2A, an AR system user (60) is depicted wearing head mounted component (58) featuring a frame (64) structure coupled to a display system (62) positioned in front of the eyes of the user. A speaker (66) is coupled to the frame (64) in the depicted configuration and positioned adjacent the ear canal of the user (in one embodiment, another speaker, not shown, is positioned adjacent the other ear canal of the user to provide for stereo/shapeable sound control). The display (62) is operatively coupled (68), such as by a wired lead or wireless connectivity, to a local processing and data module (70) which may be mounted in a variety of configurations, such as fixedly attached to the frame (64), fixedly attached to a helmet or hat (80) as shown in the embodiment of FIG. 2B, embedded in headphones, removably attached to the torso (82) of the user (60) in a backpack-style configuration as shown in the embodiment of FIG. 2C, or removably attached to the hip (84) of the user (60) in a belt-coupling style configuration as shown in the embodiment of FIG. 2D.

[0063] The local processing and data module (70) may comprise a power-efficient processor or controller, as well as digital memory, such as flash memory, both of which may be utilized to assist in the processing, caching, and storage of data a) captured from sensors which may be operatively coupled to the frame (64), such as image capture devices (such as cameras), microphones, inertial measurement units, accelerometers, compasses, GPS units, radio devices, and/or gyros; and/or b) acquired and/or processed using the remote processing module (72) and/or remote data repository (74), possibly for passage to the display (62) after such processing or retrieval. The local processing and data module (70) may be operatively coupled (76, 78), such as via a wired or wireless communication links, to the remote processing module (72) and remote data repository (74) such that these remote modules (72, 74) are operatively coupled to each other and available as resources to the local processing and data module (70).

[0064] In one embodiment, the remote processing module (72) may comprise one or more relatively powerful processors or controllers configured to analyze and process data and/or image information. In one embodiment, the remote data repository (74) may comprise a relatively large-scale digital data storage facility, which may be available through the internet or other networking configuration in a “cloud” resource configuration. In one embodiment, all data is stored and all computation is performed in the local processing and data module, allowing fully autonomous use from any remote modules.」

(当審訳:[0062] 図2Aに示されるように、ARシステムユーザ(60)は、ユーザの眼の正面に位置付けられるディスプレイシステム(62)に結合されるフレーム(64)構造を特徴とする、頭部搭載型コンポーネント(58)を装着するように描写される。スピーカ(66)が、描写される構成においてフレーム(64)に結合され、ユーザの外耳道に隣接して位置付けられる(一実施形態では、示されない別のスピーカが、ユーザの他方の外耳道に隣接して位置付けられ、ステレオ/成形可能音制御を提供する)。ディスプレイ(62)は、有線導線または無線コネクティビティ等によって、ローカル処理およびデータモジュール(70)に動作可能に結合(68)され、これは、フレーム(64)に固定して取り付けられる、図2Bの実施形態に示されるようにヘルメットまたは帽子(80)に固定して取り付けられる、ヘッドホンに内蔵される、図2Cの実施形態に示されるようにリュック式構成においてユーザ(60)の胴体(82)に除去可能に取り付けられる、または図2Dの実施形態に示されるようにベルト結合式構成においてユーザ(60)の臀部(84)に除去可能に取り付けられる等、種々の構成において搭載されてもよい。

[0063] ローカル処理およびデータモジュール(70)は、電力効率の良いプロセッサまたはコントローラならびにフラッシュメモリ等のデジタルメモリを備えてもよく、両方とも、a)画像捕捉デバイス(カメラ等)、マイクロホン、慣性測定ユニット、加速度計、コンパス、GPSユニット、無線デバイス、および/またはジャイロスコープ等、フレーム(64)に動作可能に結合され得る、センサから捕捉される、および/またはb)可能性として、処理または読出後、ディスプレイ(62)への通過のために、遠隔処理モジュール(72)および/または遠隔データリポジトリ(74)を使用して、入手かつ/もしくは処理され得る、データの処理、キャッシュ、および記憶を補助するために利用されてもよい。ローカル処理およびデータモジュール(70)は、有線または無線通信リンク等を介して、遠隔モジュール(72、74)が、相互に動作可能に結合され、ローカル処理およびデータモジュール(70)へのリソースとして利用可能であるように、これらの遠隔処理モジュール(72)および遠隔データリポジトリ(74)に動作可能に結合(76、78)されてもよい。

[0064] 一実施形態では、遠隔処理モジュール72は、データおよび/または画像情報を分析および処理するように構成される、1つ以上の比較的に高性能なプロセッサまたはコントローラを備えてもよい。一実施形態では、遠隔データリポジトリ(74)は、比較的に大規模なデジタルデータ記憶設備を備えてもよく、これは、インターネットまたは「クラウド」リソース構成における他のネットワーキング構成を通して利用可能であってもよい。一実施形態では、ローカル処理およびデータモジュール内で、全てのデータは記憶され、全ての算出は行われ、任意の遠隔モジュールから完全に自律的使用を可能にしてもよい。)

エ 「[0075] One or more parameters pertaining to a behavior of the coils and inertial measurement unit (“IMU”) components operatively coupled to the electromagnetic tracking sensors may be measured to detect a position and/or orientation of the sensor (and the object to which it is attached to) relative to a coordinate system to which the electromagnetic field emitter is coupled. In one or more embodiments, multiple sensors may be used in relation to the electromagnetic emitter to detect a position and orientation of each of the sensors within the coordinate space. The electromagnetic tracking system may provide positions in three directions (e.g., X, Y and Z directions), and further in two or three orientation angles. In one or more embodiments, measurements of the IMU may be compared to the measurements of the coil to determine a position and orientation of the sensors. In one or more embodiments, both electromagnetic (EM) data and IMU data, along with various other sources of data, such as cameras, depth sensors, and other sensors, may be combined to determine the position and orientation. This information may be transmitted (e.g., wireless communication, Bluetooth, etc.) to the controller 406. In one or more embodiments, pose (or position and orientation) may be reported at a relatively high refresh rate in conventional systems. Conventionally an electromagnetic field emitter is coupled to a relatively stable and large object, such as a table, operating table, wall, or ceiling, and one or more sensors are coupled to smaller objects, such as medical devices, handheld gaming components, or the like. Alternatively, as described below in reference to FIG. 6, various features of the electromagnetic tracking system may be employed to produce a configuration wherein changes or deltas in position and/or orientation between two objects that move in space relative to a more stable global coordinate system may be tracked; in other words, a configuration is shown in FIG. 6 wherein a variation of an electromagnetic tracking system may be utilized to track position and orientation delta between a head-mounted component and a hand-held component, while head pose relative to the global coordinate system (say of the room environment local to the user) is determined otherwise, such as by simultaneous localization and mapping (“SLAM”) techniques using outward-capturing cameras which may be coupled to the head mounted component of the system.」

(当審訳:[0075]  電磁追跡センサに動作可能に結合される、コイルおよび慣性測定ユニット(「IMU」)コンポーネントの挙動に関する1つ以上のパラメータが、電磁場エミッタが結合される座標系に対するセンサ(およびそれが取り付けられるオブジェクト)の位置および/または配向を検出するために、測定されてもよい。1つ以上の実施形態では、複数のセンサが、電磁エミッタと連動して使用され、座標空間内のセンサのそれぞれの位置および配向を検出してもよい。電磁追跡システムは、3つの方向(すなわち、X、Y、およびZ方向)において、さらに、2つまたは3つの配向角度において、位置を提供してもよい。1つ以上の実施形態では、IMUの測定は、コイルの測定と比較され、センサの位置および配向を決定してもよい。1つ以上の実施形態では、電磁(EM)データおよびIMUデータは両方とも、カメラ、深度センサ、および他のセンサ等の種々の他のデータ源とともに、位置および配向を決定するために組み合わせられてもよい。本情報は、コントローラ406に伝送されてもよい(例えば、無線通信、Bluetooth(登録商標)等)。1つ以上の実施形態では、姿勢(または位置および配向)は、従来のシステムにおいて比較的に高リフレッシュレートで報告されてもよい。従来、電磁場エミッタは、テーブル、手術台、壁、または天井等の比較的に安定した大型オブジェクトに結合され、1つ以上のセンサは、医療デバイス、ハンドヘルドゲームコンポーネント、または同等物等のより小型のオブジェクトに結合される。代替として、図6を参照して以下に説明されるように、電磁追跡システムの種々の特徴が、採用され、より安定したグローバル座標系に対する空間内を移動する2つのオブジェクト間の位置および/または配向における変化もしくはデルタが追跡され得る、構成を生成してもよい。言い換えると、構成は、図6に示されており、電磁追跡システムの変動が、利用され、頭部搭載型コンポーネントとハンドヘルドコンポーネントとの間の位置および配向デルタを追跡し得る一方、(例えば、ユーザにローカルの室内環境の)グローバル座標系に対する頭部の姿勢は、システムの頭部搭載型コンポーネントに結合され得る外向き捕捉カメラを使用して、同時位置特定およびマッピング(「SLAM」)技法等によって別様に決定される。)

オ 「[0086] Several other changes may be made when using the electromagnetic tracking system for AR devices. Although this pose reporting rate is rather good, AR systems may require an even more efficient pose reporting rate. To this end, IMU-based pose tracking may (additionally or alternatively) be used in the sensors. Advantageously, the IMUs may remain as stable as possible in order to increase an efficiency of the pose detection process. The IMUs may be engineered such that they remain stable up to 50-100 milliseconds. It should be appreciated that some embodiments may utilize an outside pose estimator module (e.g., IMUs may drift over time) that may enable pose updates to be reported at a rate of 10 to 20 Hz. By keeping the IMUs stable at a reasonable rate, the rate of pose updates may be dramatically decreased to 10 to 20 Hz (as compared to higher frequencies in conventional systems).」

(当審訳:[0086] いくつかの他の変更が、ARデバイスのために電磁追跡システムを使用するときに行われてもよい。本姿勢報告率は、非常に良好であるが、ARシステムは、さらにより効率的な姿勢報告率を要求してもよい。この目的を達成するために、IMUベースの姿勢追跡が、(加えて、または代替として)センサ内で使用されてもよい。有利には、IMUは、姿勢検出プロセスの効率を増加させるために、可能な限り安定したままでなければならない。IMUは、最大50~100ミリ秒、安定したままであるように加工されてもよい。いくつかの実施形態は、姿勢更新が10~20Hzのレートで報告されることを可能にし得る、外部姿勢推定器モジュールを利用してもよいことを理解されたい(例えば、IMUは、経時的にドリフトし得る)。IMUを合理的比率に安定して保つことによって、姿勢更新レートは、10~20Hzまで著しく低下され得る(従来のシステムにおけるより高い周波数と比較して)。)

カ 「[0094] The head mounted wearable component (58) also features a processor (128) and one or more IMUs (102). Each of the components preferably are operatively coupled to the processor (128). The hand held component (606) and local processing and data module (70) are illustrated featuring similar components. As shown in FIG. 8, with so many sensing and connectivity means, such a system is likely to be heavy, power hungry, large, and relatively expensive. However, for illustrative purposes, such a system may be utilized to provide a very high level of connectivity, system component integration, and position/orientation tracking. For example, with such a configuration, the various main mobile components (58, 70, 606) may be localized in terms of position relative to the global coordinate system using WiFi, GPS, or Cellular signal triangulation; beacons, electromagnetic tracking (as described herein), RADAR, and LIDAR systems may provide yet further location and/or orientation information and feedback. Markers and cameras also may be utilized to provide further information regarding relative and absolute position and orientation. For example, the various camera components (124), such as those shown coupled to the head mounted wearable component (58), may be utilized to capture data which may be utilized in simultaneous localization and mapping protocols, or “SLAM”, to determine where the component (58) is and how it is oriented relative to other components.」

(当審訳:[0094] 頭部搭載型ウェアラブルコンポーネント(58)はまた、プロセッサ(128)と、1つ以上のIMU(102)とを特徴とする。コンポーネントはそれぞれ、好ましくは、プロセッサ(128)に動作可能に結合される。ハンドヘルドコンポーネント(606)およびローカル処理およびデータモジュール(70)は、類似コンポーネントを特徴とするように図示される。図8に示されるように、そのように多くの感知およびコネクティビティ手段を用いることで、そのようなシステムは、重く、電力を大量に消費し、大型で、かつ比較的に高価である可能性が高い。しかしながら、例証目的のために、そのようなシステムは、非常に高レベルのコネクティビティ、システムコンポーネント統合、および位置/配向追跡を提供するために利用されてもよい。例えば、そのような構成を用いることで、種々の主要モバイルコンポーネント(58、70、606)は、Wi-Fi、GPS、またはセルラー信号三角測量を使用して、グローバル座標系に対する位置の観点から位置特定されてもよく、ビーコン、電磁追跡(本明細書に説明されるように)、レーダ、およびLIDIRシステムはさらに、場所および/または配向情報ならびにフィードバックを提供してもよい。マーカおよびカメラもまた、相対および絶対位置ならびに配向に関するさらなる情報を提供するために利用されてもよい。例えば、頭部搭載型ウェアラブルコンポーネント(58)に結合されて示されるもの等の種々のカメラコンポーネント(124)は、コンポーネント(58)が他のコンポーネントに対して配向される場所およびその状態を決定するために、同時位置特定およびマッピングプロトコル、すなわち、「SLAM」において利用され得る、データを捕捉するために利用されてもよい。)

キ 「[0180] It also turns out that when pose is estimated, in particular by using IMU information (e.g., such as data from associated accelerometers, gyros, and the like, as described above), there is noise in the determined position and orientation data. If such data is directly utilized by the system without further processing to present images, for example, there is likely to be undesirable jitter and instability experienced by the user; this is why in certain techniques, such as some of those described above, Kalman filters, sensor fusion techniques, and smoothing functions may be utilized. With deep network solutions, such as those described above using convolutional neural nets to estimate pose, the smoothing issue may be addressed using a recurrent neural networks (RNN), which is akin to a long short term memory network. In other words, the system may be configured to build up the convolutional neural net, and on top of that, the RNN is placed. Traditional neural nets are feed forward in design, static in time; given an image or pair of images, they give you an answer. With the RNN, the output of a layer is added to the next input and fed back into the same layer again―which typically is the only layer in the net; can be envisioned as a “passage through time”―at each point in time, the same net layer is reconsidering a slightly temporally tuned input, and this cycle is repeated. Further, unlike feed forward nets, an RNN can receive a sequence of values as an input (e.g., sequenced over time)―and can also produce a sequence of values as output. The simple structure of the RNN with built in feedback loop that allows it to behave like a forecasting engine, and the result when combined with the convolutional neural net in this embodiment is that the system can take relatively noisy trajectory data from the convolutional neural net, push it through the RNN, and it will output a trajectory that is much smoother, much more like human motion, such as motion of a user's head which may be coupled to a head mounted component (58) of a wearable computing system.」

(当審訳:[0180] また、特に、IMU情報(例えば、上記に説明されるように、関連付けられた加速度計、ジャイロスコープ、および同等物からのデータ等)を使用することによって、姿勢が推定されるとき、決定された位置および配向データ内には、ノイズが存在することが分かっている。そのようなデータが、直接、例えば、画像を提示するためにさらなる処理を伴わずに、システムによって利用される場合、ユーザによって被られる望ましくないジッタおよび不安定性が存在する可能性が高い。これは、上記に説明されるもののいくつか等のある技法において、カルマンフィルタ、センサ融合技法、および平滑化関数が、利用され得る理由である。畳み込みニューラルネットを使用して、姿勢を推定する、上記に説明されるもの等の深層ネットワークソリューションを用いることで、平滑化問題は、長短期メモリネットワークに類似する、再帰ニューラルネットワーク(RNN)を使用して対処され得る。言い換えると、システムは、畳み込みニューラルネットを構築するように構成されてもよく、その上に、RNNが、設置される。従来のニューラルネットは、設計上、フィードフォワードであって、時間的に静的である。画像または対の画像を前提として、それらは、回答をもたらす。RNNを用いることで、層の出力が、次の入力に追加され、再び、同一層の中にフィードバックされる。これは、典型的には、ネット内の唯一の層であって、「時間を通した通過」として想定され得る。すなわち、各時点において、同一ネット層が、若干時間的に調整された入力を再検討し、本サイクルは、繰り返される。さらに、フィードフォワードネットと異なり、RNNは、値のシーケンスを入力として受信することができ(例えば、経時的にシーケンス化される)、また、値のシーケンスを出力として生産することができる。RNNの単純構造は、フィードバックループに内蔵され、これは、予測エンジンのように挙動することを可能にし、結果として、本実施形態における畳み込みニューラルネットと組み合わせられると、システムは、比較的にノイズの多い軌道データを畳み込みニューラルネットから採取し、それをRNNに通過させ、はるかに平滑であって、ウェアラブルコンピューティングシステムの頭部搭載型コンポーネント(58)に結合され得る、ユーザの頭部の運動等のはるかにヒト運動のような軌道を出力するであろう。)

ク FIG. 6

「

〔図省略〕

」

(2)引用発明

上記(1)から引用文献1には、次の発明(以下「引用発明」という。)が記載されていると認められる。

「頭部装着型ディスプレイを装着するユーザが、ディスプレイ上の3次元(3-D)オブジェクトの仮想表現を視認し、3-Dオブジェクトが現れる面積の周囲を歩き回る場合、その3-Dオブジェクトは、視点毎に再レンダリングされ、

頭部装着型ディスプレイが、仮想空間内に複数のオブジェクトを提示するために使用される場合、ユーザの頭部の場所および配向の測定が、ユーザの動的に変化する頭部場所および配向に合致するように場面を再レンダリングするために使用され、

ARシステムユーザ(60)は、ユーザの眼の正面に位置付けられるディスプレイシステム(62)に結合されるフレーム(64)構造を特徴とする、頭部搭載型コンポーネント(58)を装着し、

ディスプレイ(62)は、ローカル処理およびデータモジュール(70)に動作可能に結合(68)され、

ローカル処理およびデータモジュール(70)は、プロセッサならびにデジタルメモリを備え、慣性測定ユニットから捕捉されるデータの処理、キャッシュ、および記憶を補助するために利用され、

ローカル処理およびデータモジュール内で、全てのデータは記憶され、全ての算出は行われ、

慣性測定ユニット(「IMU」)の測定は、センサの位置および配向を決定し、

IMUベースの姿勢追跡がセンサ内で使用され、

頭部搭載型ウェアラブルコンポーネント(58)は1つ以上のIMU(102)を特徴とし、

IMU情報を使用することによって、姿勢が推定されるとき、決定された位置および配向データ内には、ノイズが存在し、

ノイズの多い軌道データを畳み込みニューラルネットから採取し、それを再帰ニューラルネットワーク(RNN)に通過させ、平滑であって、ウェアラブルコンピューティングシステムの頭部搭載型コンポーネント(58)に結合され得る、ユーザの頭部の運動のような軌道を出力する、

拡張現実システム。」

2 引用文献2

原査定の拒絶の理由に引用された上記引用文献2には、図面とともに次の事項が記載されている。

ア 「[0071] なお、ユーザーの頭部の姿勢を検出してからその姿勢に追従した画像を表示するまでの間には、頭部動作追跡装置200から描画装置400への姿勢情報を伝送する際に生じる伝送遅延、描画装置400で画像を描画処理する際に生じるレンダリング遅延、描画テータを表示装置500で表示する際に生じるディスプレイ遅延など、さまざまな原因による遅延時間が生じる。そこ遅延時間が長いと、過去の頭部の姿勢に対応した画像を描画することになり、画像が頭部の動作に追従しているという体感を劣化させ、さらにはユーザーに酔いを起こさせることが懸念される。そこで、描画装置400では、遅延時間を考慮した画像補正を行なうようにしてもよい。例えば本出願人に既に譲渡されているPCT/2014/079205号明細書で開示されている画像処理技術を適用してもよい(描画装置400は、遅延時間を予測するとともに、受信した姿勢角データからその遅延時間後の姿勢角データを予測して、予測された遅延時間における画像をレンダリングする)。」

イ 図6

「

〔図省略〕

」

3 引用文献A

当審において新たに引用するE. W. Saad, 外2名、“Predictive head tracking for virtual reality”、IJCNN'99. International Joint Conference on Neural Networks. Proceedings、米国、1999.発行、p.3933-3936には、図面とともに次の事項が記載されている(以下「引用文献A」という。訳文は当審が作成した。)。

ア 「In virtual reality systems, different optical and inertial sensors are used to track the movement of the user’s head. Measured variables are the sampling time t, three coordinates x, y, and z, and head angles α, β, and γ. Processor as well as communication delays result in a delayed update of the scene on the head-mounted display (HMD). This delayed display may produce dizziness and motion sickness of the user. A model which can predict the next head position and orientation can help computing and updating the display faster, and reducing or eliminating dizziness.」(引用文献A p.3933左欄第15~25行)

(当審訳:バーチャルリアリティシステムでは、さまざまな光学センサーと慣性センサーを使用して、ユーザーの頭の動きを追跡します。測定される変数は、サンプリング時間t、3つの座標x、y、z、および頭の角度α、β、γです。プロセッサと通信の遅延により、ヘッドマウントディスプレイ (HMD) 上のシーンの更新が遅れます。この表示の遅延により、ユーザーはめまいや乗り物酔いを感じることがあります。次の頭の位置と方向を予測できるモデルは、計算とディスプレイの更新を高速化し、めまいを軽減または解消するのに役立ちます。)

イ 「In our VR system, the display is computed based on the position coordinates x, y, and z, as well as head Euler angles α, β, and γ. Also, the sampling time of these six variables is not constant, but is affected by the processor load and communication delays. Therefore, the prediction model needs to first predict the next sampling time step, then predict the other six variables and use them in calculating the new frame in the HMD.」(引用文献A p.3933右欄第20~27行)

(当審訳:私たちのVRシステムでは、位置座標x、y、zとヘッドオイラー角α、β、γに基づいてディスプレイが計算されます。また、これら6つの変数のサンプリング時間は一定ではなく、プロセッサの負荷と通信遅延の影響を受けます。したがって、予測モデルでは、まず次のサンプリング時間ステップを予測し、次に他の6つの変数を予測して、HMDで新しいフレームを計算する際に使用する必要があります。)

ウ 「Time series prediction with neural networks is used to minimize head tracking delay in VR. Recurrent and time delay neural networks are chosen for the internal memory.」(引用文献A p.3935右欄第42~44行)

(当審訳:ニューラルネットワークによる時系列予測は、VR でのヘッドトラッキング遅延を最小限に抑えるために使用されます。内部メモリには、リカレントニューラルネットワークと時間遅延ニューラルネットワークが選択されます。)

エ Fig. 1

「

〔図省略〕

」

第5 対比・判断

1 本願発明1について

(1)対比

本願発明1と引用発明とを対比すると、次のことがいえる。

ア 引用発明における「頭部搭載型ウェアラブルコンポーネント(58)」を備えた「拡張現実システム」は、後述する相違点を除き、本願発明1における「ウェアラブルシステム」に相当する。

イ 上記アを踏まえると、引用発明における「ARシステムユーザ(60)」は、本願発明1における「ウェアラブルシステムの装着者」に相当する。したがって、引用発明における「ユーザの眼の正面に位置付けられるディスプレイシステム(62)」は、本願発明1における「ウェアラブルシステムの装着者の眼の前に配置されるように構成されるディスプレイ」に相当する。

ウ 引用発明における「3次元(3-D)オブジェクト」は、本願発明1における「仮想コンテンツ」に相当する。したがって、上記イを踏まえると、引用発明における「ユーザが、ディスプレイ上の3次元(3-D)オブジェクトの仮想表現を視認」することは、本願発明1における「ディスプレイは、仮想コンテンツをウェアラブルシステムの装着者に表示する」ことに相当する。

エ 引用発明における「頭部搭載型ウェアラブルコンポーネント(58)」は、「ディスプレイシステム(62)に結合されるフレーム(64)構造」及び「1つ以上のIMU(102)」を特徴としているから、上記イを踏まえると、引用発明における「慣性測定ユニット(「IMU」)」によって「測定」された「センサの位置および配向」は、本願発明1における「ディスプレイと関連付けられた頭部姿勢データ」に相当する。したがって、引用発明における「慣性測定ユニット(「IMU」)」は、本願発明1における「ディスプレイと関連付けられた頭部姿勢データを提供するように構成される頭部姿勢センサ」に相当する。

オ 引用発明における「平滑」な「ユーザの頭部の運動のような軌道を出力する」「再帰ニューラルネットワーク(RNN)」と、本願発明1における「頭部姿勢予測再帰ニューラルネットワーク」とは、「再帰ニューラルネットワーク」である点において共通する。また、引用発明においては「ローカル処理およびデータモジュール(70)」に「全てのデータは記憶され」ており、「再帰ニューラルネットワーク(RNN)」も「ローカル処理およびデータモジュール(70)」の「デジタルメモリ」に記憶されていることは自明であるから、引用発明における「デジタルメモリ」と、本願発明1における「頭部姿勢予測再帰ニューラルネットワークを記憶するように構成される非一過性メモリ」とは、「再帰ニューラルネットワークを記憶するように構成される非一過性メモリ」である点において共通する。

カ 引用発明における「ローカル処理およびデータモジュール(70)」は、「慣性測定ユニットから捕捉されるデータの処理」を行うものであるから、「ローカル処理およびデータモジュール(70)」の「プロセッサ」が「慣性測定ユニット(「IMU」)」と通信を行うことは自明である。また、引用発明における「ローカル処理およびデータモジュール(70)」は、「ディスプレイ(62)」が「動作可能に結合(68)され」ているから、「ローカル処理およびデータモジュール(70)」の「プロセッサ」が「ディスプレイ(62)」と通信を行うことは自明である。さらに、「ローカル処理およびデータモジュール(70)」が備える「プロセッサ」と「デジタルメモリ」とが通信を行うことは自明である。したがって、上記イ、エ、オを踏まえると、引用発明における「プロセッサ」は、本願発明1における「頭部姿勢センサ、ディスプレイ、および非一過性メモリと通信するハードウェアプロセッサ」に相当する。

キ 引用発明における「ローカル処理およびデータモジュール(70)」は、「慣性測定ユニットから捕捉されるデータの処理」を行うものであるから、「ローカル処理およびデータモジュール(70)」の「プロセッサ」が「慣性測定ユニット(「IMU」)」によって「測定」された「センサの位置および配向」を受信することは自明である。したがって、上記エ、カを踏まえると、引用発明は、本願発明1における「ハードウェアプロセッサ」が「頭部姿勢データを受信すること」に相当する構成を含むものである。

ク レンダリングの際に、視点から見た視野内にオブジェクトがあるかを計算することは技術常識であるから、上記ウを踏まえると、引用発明における「3-Dオブジェクトは、視点毎に再レンダリングされ」る処理は、本願発明における「どの仮想コンテンツが装着者の視野内にあるかを計算すること」に相当する処理を含むものである。さらに、引用発明においては「ローカル処理およびデータモジュール内で」「全ての算出は行われ」ているから、「ローカル処理およびデータモジュール(70)」の「プロセッサ」がレンダリングの処理を行っていることは自明である。したがって、引用発明における「ユーザの動的に変化する頭部場所および配向に合致するように場面を再レンダリング」し、「3-Dオブジェクトは、視点毎に再レンダリングされ」ることと、本願発明1における「ハードウェアプロセッサ」が「予測される頭部姿勢に基づいて、どの仮想コンテンツが装着者の視野内にあるかを計算すること」とは、「ハードウェアプロセッサ」が「頭部姿勢に基づいて、どの仮想コンテンツが装着者の視野内にあるかを計算する」点において共通する。

ケ 上記クを踏まえると、引用発明における「ユーザが、ディスプレイ上の3次元(3-D)オブジェクトの仮想表現を視認し、3-Dオブジェクトが現れる面積の周囲を歩き回る場合、その3-Dオブジェクトは、視点毎に再レンダリングされ」ることと、本願発明1における「ハードウェアプロセッサ」が「ディスプレイに、時間範囲において、計算された仮想コンテンツをレンダリングさせることであって、前記計算された仮想コンテンツのレンダリングは、前記ディスプレイが前記予測される頭部姿勢と関連付けられるときに完了するように構成される、こと」とは、「ハードウェアプロセッサ」が「ディスプレイに、計算された仮想コンテンツをレンダリングさせる」点において共通する。

したがって、本願発明1と引用発明との間には、次の一致点、相違点があるといえる。

(一致点)

「ウェアラブルシステムであって、

前記ウェアラブルシステムの装着者の眼の前に配置されるように構成されるディスプレイであって、前記ディスプレイは、仮想コンテンツを前記ウェアラブルシステムの前記装着者に表示するように構成される、ディスプレイと、

前記ディスプレイと関連付けられた頭部姿勢データを提供するように構成される頭部姿勢センサと、

再帰ニューラルネットワークを記憶するように構成される非一過性メモリと、

前記頭部姿勢センサ、前記ディスプレイ、および前記非一過性メモリと通信するハードウェアプロセッサであって、前記ハードウェアプロセッサは、

前記頭部姿勢データを受信することと、

頭部姿勢に基づいて、どの仮想コンテンツが前記装着者の視野内にあるかを計算することと、

前記ディスプレイに、前記計算された仮想コンテンツをレンダリングさせることと

を行うようにプログラムされる、ハードウェアプロセッサと

を備える、ウェアラブルシステム。」

(相違点)

(相違点1)

本願発明1においては「頭部姿勢予測再帰ニューラルネットワーク」を記憶しているのに対し、引用発明における「再帰ニューラルネットワーク(RNN)」は頭部姿勢予測に関するものではない点。

(相違点2)

本願発明1においては「ハードウェアプロセッサ」が「頭部姿勢データを頭部姿勢予測再帰ニューラルネットワークに入力することと、時間範囲において、前記頭部姿勢予測再帰ニューラルネットワークを実行し、予測される頭部姿勢を出力することであって、前記時間範囲は、レンダリング待ち時間と関連付けられた時間を示す、こと」を行うのに対し、引用発明においては、「再帰ニューラルネットワーク(RNN)」から出力されるのは予測された頭部姿勢ではなく、また、時間範囲を考慮していない点。

(相違点3)

本願発明1においては「ハードウェアプロセッサ」が「予測される頭部姿勢に基づいて、どの仮想コンテンツが装着者の視野内にあるかを計算すること」を行うのに対し、引用発明においては「3-Dオブジェクトは、視点毎に再レンダリングされ」るものの、予測される頭部姿勢に基づいていない点。

(相違点4)

本願発明1においては、「ハードウェアプロセッサ」が「前記ディスプレイに、前記時間範囲において、前記計算された仮想コンテンツをレンダリングさせることであって、前記計算された仮想コンテンツのレンダリングは、前記ディスプレイが前記予測される頭部姿勢と関連付けられるときに完了するように構成される、こと」を行うのに対し、引用発明においては「3-Dオブジェクトは、視点毎に再レンダリングされ」るものの、このように特定されていない点。

(2)相違点についての判断

事案に鑑み、まず、相違点2及び相違点4について検討する。

ハードウェアプロセッサが、頭部姿勢データを頭部姿勢予測再帰ニューラルネットワークに入力することと、時間範囲において、前記頭部姿勢予測再帰ニューラルネットワークを実行し、予測される頭部姿勢を出力することであって、前記時間範囲は、レンダリング待ち時間と関連付けられた時間を示す、ことと、ディスプレイに、前記時間範囲において、計算された仮想コンテンツをレンダリングさせることであって、前記計算された仮想コンテンツのレンダリングは、前記ディスプレイが前記予測される頭部姿勢と関連付けられるときに完了するように構成される、こととを行うことは、引用文献1、2及びAには記載されておらず、本願の優先日前において周知技術であったともいえない。

引用文献2には、予測された遅延時間における画像をレンダリングする技術事項が記載されており、また、引用文献Aには、サンプリング時間と頭部姿勢とをリカレントニューラルネットワークを用いて予測する技術事項は記載されているものの、当該事項に基づいて、本願発明1の相違点2及び相違点4に係る発明特定事項が当業者にとって容易に想到し得るとすることはできない。

よって、他の相違点について検討するまでもなく、本願発明1は、当業者であっても、引用文献1、2及びAに記載された発明に基づいて容易に発明をすることができたものであるとはいえない。

2 本願発明2-10、16-21について

本願発明2-10、16-21は、本願発明1を減縮した発明である。したがって、本願発明1と同一の構成を備えるものであるから、本願発明1と同じ理由により、当業者であっても、引用文献1、2及びAに記載された発明に基づいて容易に発明をすることができたものであるとはいえない。

3 本願発明11について

(1)対比

本願発明11と引用発明とを対比すると、次のことがいえる。

ア 引用発明における「3-Dオブジェクト」は、本願発明11における「仮想コンテンツ」に相当する。また、引用発明においては「3-Dオブジェクトは、視点毎に再レンダリングされ」るから、「視点」に応じて「3-Dオブジェクト」を「再レンダリング」する方法を実行しているといえる。したがって、引用発明は、後述する相違点を除き、本願発明11における「仮想コンテンツをレンダリングするための方法」に相当する構成を含むものである。

イ 引用発明における「ARシステムユーザ(60)」は、本願発明11における「ユーザ」に相当する。したがって、引用発明における「ユーザの眼の正面に位置付けられるディスプレイシステム(62)」は、本願発明11における「ユーザの眼の前に配置されるように構成されるディスプレイ」に相当する。

ウ 引用発明における「頭部搭載型ウェアラブルコンポーネント(58)」は、「ディスプレイシステム(62)に結合されるフレーム(64)構造」及び「1つ以上のIMU(102)」を特徴としているから、上記イを踏まえると、引用発明における「慣性測定ユニット(「IMU」)」によって「測定」された「センサの位置および配向」は、本願発明11における「ディスプレイと関連付けられた姿勢を反映する」「頭部姿勢データ」に相当する。

エ 引用発明における「ローカル処理およびデータモジュール(70)」は、「慣性測定ユニットから捕捉されるデータの処理」を行うものであるから、「ローカル処理およびデータモジュール(70)」の「プロセッサ」が「慣性測定ユニット(「IMU」)」によって「測定」された「センサの位置および配向」を受信することは自明である。したがって、上記イ、ウを踏まえると、引用発明は、本願発明11における「ユーザの頭部に関する頭部姿勢データを受信することであって、前記頭部姿勢データは、前記ユーザの眼の前に配置されるように構成されるディスプレイと関連付けられた姿勢を反映する、こと」に相当する構成を含むものである。

オ レンダリングの際に、視点から見た視野内にオブジェクトがあるかを計算することは技術常識であるから、上記アを踏まえると、引用発明における「3-Dオブジェクトは、視点毎に再レンダリングされ」る処理は、本願発明における「どの仮想コンテンツがユーザの視野内にあるかを計算すること」に相当する処理を含むものである。したがって、引用発明における「ユーザの動的に変化する頭部場所および配向に合致するように場面を再レンダリング」し、「3-Dオブジェクトは、視点毎に再レンダリングされ」ることと、本願発明11における「予測される頭部姿勢に基づいて、どの仮想コンテンツがユーザの視野内にあるかを計算すること」とは、「頭部姿勢に基づいて、どの仮想コンテンツが装着者の視野内にあるかを計算する」点において共通する。

カ 上記オを踏まえると、引用発明における「ユーザが、ディスプレイ上の3次元(3-D)オブジェクトの仮想表現を視認し、3-Dオブジェクトが現れる面積の周囲を歩き回る場合、その3-Dオブジェクトは、視点毎に再レンダリングされ」ることと、本願発明11における「予測範囲において、計算された仮想コンテンツをレンダリングすることであって、前記計算された仮想コンテンツのレンダリングは、ディスプレイが予測される頭部姿勢と関連付けられるときに完了するように構成される、こと」とは、「計算された仮想コンテンツをレンダリングする」点において共通する。

したがって、本願発明11と引用発明との間には、次の一致点、相違点があるといえる。

(一致点)

「仮想コンテンツをレンダリングするための方法であって、前記方法は、

ユーザの頭部に関する頭部姿勢データを受信することであって、前記頭部姿勢データは、前記ユーザの眼の前に配置されるように構成されるディスプレイと関連付けられた姿勢を反映する、ことと、

頭部姿勢に基づいて、どの仮想コンテンツが前記ユーザの視野内にあるかを計算することと、

計算された仮想コンテンツをレンダリングすることと

を行うことを含む、方法。」

(相違点)

(相違点A)

本願発明11においては「コンピュータハードウェアを備えるレンダリングパイプラインの制御下で」処理が行われるのに対し、引用発明においては「ローカル処理およびデータモジュール(70)」の「プロセッサ」が処理を行う点。

(相違点B)

本願発明11においては「少なくとも再帰ニューラルネットワーク(RNN)および頭部姿勢データを使用して、予測範囲において、予測される頭部姿勢を予測することであって、前記予測範囲は、レンダリング待ち時間と関連付けられた時間を示す、こと」を行うのに対し、引用発明においては、「再帰ニューラルネットワーク(RNN)」から出力されるのは予測された頭部姿勢ではなく、また、予測範囲を考慮していない点。

(相違点C)

本願発明11においては「予測される頭部姿勢に基づいて、どの仮想コンテンツがユーザの視野内にあるかを計算すること」を行うのに対し、引用発明においては「3-Dオブジェクトは、視点毎に再レンダリングされ」るものの、予測される頭部姿勢に基づいていない点。

(相違点D)

本願発明11においては、「予測範囲において、計算された仮想コンテンツをレンダリングすることであって、前記計算された仮想コンテンツのレンダリングは、ディスプレイが予測される頭部姿勢と関連付けられるときに完了するように構成される、こと」を行うのに対し、引用発明においては「3-Dオブジェクトは、視点毎に再レンダリングされ」るものの、このように特定されていない点。

(2)相違点についての判断

事案に鑑み、まず、相違点B及び相違点Dについて検討する。

少なくとも再帰ニューラルネットワーク(RNN)および頭部姿勢データを使用して、予測範囲において、予測される頭部姿勢を予測することであって、前記予測範囲は、レンダリング待ち時間と関連付けられた時間を示す、ことと、予測範囲において、計算された仮想コンテンツをレンダリングすることであって、前記計算された仮想コンテンツのレンダリングは、ディスプレイが予測される頭部姿勢と関連付けられるときに完了するように構成される、こととを行うことは、引用文献1、2及びAには記載されておらず、本願の優先日前において周知技術であったともいえない。

引用文献2には、予測された遅延時間における画像をレンダリングする技術事項が記載されており、また、引用文献Aには、サンプリング時間と頭部姿勢とをリカレントニューラルネットワークを用いて予測する技術事項は記載されているものの、当該事項に基づいて、本願発明11の相違点B及び相違点Dに係る発明特定事項が当業者にとって容易に想到し得るとすることはできない。

よって、他の相違点について検討するまでもなく、本願発明11は、当業者であっても、引用文献1、2及びAに記載された発明に基づいて容易に発明をすることができたものであるとはいえない。

4 本願発明12-15について

本願発明12-15は、本願発明11を減縮した発明である。したがって、本願発明11と同一の構成を備えるものであるから、本願発明11と同じ理由により、当業者であっても、引用文献1、2及びAに記載された発明に基づいて容易に発明をすることができたものであるとはいえない。

第6 原査定について

上記第5で説示したとおり、本願発明1-21は、当業者が引用文献1及び2に記載された発明に基づいて容易に発明をすることができたものではない。

したがって、原査定を維持することはできない。

第7 むすび

以上のとおり、原査定の理由によっては、本願を拒絶することはできない。

また、他に本願を拒絶すべき理由を発見しない。

よって、結論のとおり審決する。

令和6年9月9日

審判長 特許庁審判官 篠塚 隆

特許庁審判官 村松 貴士

特許庁審判官 野崎 大進

出典:特許庁「審決公報」(令和6年10月25日発行・号数2024-010、公報発行サイト https://www.gazette.jpo.go.jp/scciidl010 )を加工して作成(加工:TaiLexi AI)
本文は公表資料(PDF 等)から機械的に抽出・整形したもので、改行や記号に誤りを含むことがあります。正確な文言は原本でご確認ください。