審判番号 不服2023-013997
請求人 サービスナウ・カナダ・インコーポレイテッド(代理人 弁理士法人深見特許事務所)
特願2021-542235「ロボティックエージェント管理のためのシステムおよび方法」拒絶査定不服審判事件〔令和2年4月2日国際公開、WO2020/061699、令和4年2月7日国内公表、特表2022-513323〕について、次のとおり審決する。
結 論
本件審判の請求は、成り立たない。
理 由
第1 手続の経緯
本願は、2019年(令和元年)9月26日(パリ条約による優先権主張外国庁受理2018年(平成30年)9月28日 アメリカ合衆国(US))を国際出願日とする出願であって、令和3年5月24日に手続補正がされ、令和4年7月26日付けの拒絶理由の通知に対し、同年12月26日に意見書が提出されるとともに手続補正がされたが、令和5年4月21日付けで拒絶査定がされ、これに対して同年8月21日に審判請求がされると同時に手続補正(以下「本件補正」という。)がされたものである。そして、当審において、令和6年4月10日付けで拒絶理由(以下「当審拒絶理由」という。)を通知し、期間を指定して意見書を提出する機会を与えたが、請求人からの応答はなかった。
第2 本願発明
本件補正により補正された特許請求の範囲の請求項1~24には、以下の事項が記載されている(なお、便宜のため、請求項1の「c)」及び「d)」によって特定される事項を、「構成c」及び「構成d」という。)。
「【請求項1】
複数のロボティックエージェントの性能を向上させるプロセッサが実行する方法であって、前記方法は、
a)前記ロボティックエージェントによって実行されるべき複数のタスクのスケジュールを受信することを備え、各タスクが複数のステップを備え、前記方法はさらに、
b)前記タスクの各々のために前記ロボティックエージェントの各々によって実行された入力、出力、およびステップを受信することと、
c)異なるロボティックエージェントによって実行された前記ステップ間の依存性を、前記入力、前記出力、および前記ステップに基づく機械学習を使用して判定することと、
d)前記タスクへの調節および前記ステップへの調節を、機械学習を使用して判定し、それにより、前記タスクのうちの少なくとも1つを最適化するために前記ステップの順序を変更することとを含み、
前記機械学習は、深層学習と強化学習のうちの一方を備える、方法。
【請求項2】
前記タスクのうちの少なくとも1つを最適化するための前記タスクのスケジュールへの調節は、タスクのスケジュールの順序を変更することを含む、請求項1に記載の方法。
【請求項3】
前記ステップへの前記調節に関する報告を作成することをさらに含み、前記報告は、前記ステップへの前記調節を確認するためにユーザに送信するためのものである、請求項1に記載の方法。
【請求項4】
前記方法は、前記複数のロボティックエージェントにわたるタスクの分散を最適化し、それにより、前記複数のロボティックエージェントにわたって効率を達成することをさらに含む、請求項1に記載の方法。
【請求項5】
前記方法は、
a)少なくとも1つのロボティックエージェントから作業出力を連続的に受信することと、
b)前記作業出力を訓練セットにおいて使用して、第2の機械学習システムが前記少なくとも1つのロボティックエージェントからアクションおよび値の範囲を学習するために、作業出力の複数のインスタンスの予期された入力、出力、およびステップを学習して前記第2の機械学習システムを連続的に訓練することと、
c)前記少なくとも1つのロボティックエージェントについての前記アクションおよび値の範囲に照らして、前記作業出力を連続的に評価することと、
d)前記作業出力の少なくとも1つの局面が、前記ロボティックエージェントについての前記アクションおよび値の範囲外にある場合、ユーザのためのアラートを生成し、前記ユーザのための報告を生成することとを含み、
前記報告は、前記アラートに関する説明を含む、請求項1に記載の方法。
【請求項6】
前記少なくとも1つのロボティックエージェントがタスクにおいて故障に遭遇すると、少なくとも1つのアラートが生成される、請求項5に記載の方法。
【請求項7】
遭遇したタスクにおける前記故障についての前記少なくとも1つのアラートは、前記アラートの説明を有する報告も生成する、請求項6に記載の方法。
【請求項8】
前記作業出力は、タスクを実行する際に前記少なくとも1つのロボティックエージェントによって実行されたステップを含む、請求項5に記載の方法。
【請求項9】
前記作業出力は、前記タスクを実行する際に前記少なくとも1つのロボティックエージェントによって使用されたデータのためのソースを含む、請求項8に記載の方法。
【請求項10】
前記作業出力は、前記タスクを実行する際に前記少なくとも1つのロボティックエージェントによって使用されたデータのための宛先を含む、請求項8に記載の方法。
【請求項11】
実行された前記ステップが少なくとも1つの予期せぬステップを含む場合、前記作業出力は、前記アクションおよび値の範囲外にある、請求項8に記載の方法。
【請求項12】
前記報告は、前記アラートを引き起こした状況を緩和するための勧告を含む、請求項5に記載の方法。
【請求項13】
複数のタスクを実行するためのシステムであって、前記システムは、
- 複数のロボティックエージェントを含み、前記複数のロボティックエージェントの各々は、前記複数のタスクからの少なくとも1つのタスクを実行し、前記システムはさらに、
- 前記複数のロボティックエージェントを管理するためのオーケストレータモジュールを含み、前記オーケストレータモジュールは、
a)前記複数のロボティックエージェントによって実行されるべき複数のタスクのスケジュールを受信し、前記複数のロボティックエージェントのうちの少なくとも1つから作業出力を受信することと、
b)前記タスクの各々のために前記ロボティックエージェントの各々によって実行された入力、出力およびステップを受信することと、
c)異なるロボティックエージェントによって実行された前記ステップ間の依存性を、機械学習を使用して、前記入力、前記出力および前記ステップに基づいて、判定することと、
d)前記タスクへの調節および前記ステップへの調節を、前記機械学習を使用して判定し、前記タスクの少なくとも1つを最適化するために前記ステップの順序を変更すること、
を実行するように構成され、
前記機械学習は、深層学習と強化学習のうちの一方を備える、システム。
【請求項14】
前記タスクの少なくとも1つを最適化するための前記タスクのスケジュールへの前記調節は、前記タスクのスケジュールの順序を変更することを含む、請求項13に記載のシステム。
【請求項15】
前記オーケストレータモジュールは、前記ステップに対する前記調節に関する報告を作成するようさらに構成され、前記報告は、前記ステップに対する前記調節を確認するためにユーザに送信するためのものである、請求項13に記載のシステム。
【請求項16】
前記オーケストレータモジュールは、前記複数のロボティックエージェントにわたるタスクの分布を最適化するようさらに構成され、それにより、前記複数のロボティックエージェントにわたって効率を達成する、請求項13に記載のシステム。
【請求項17】
前記オーケストレータモジュールは、
a)少なくとも1つのロボティックエージェントから作業出力を連続的に受信することと、
b)前記作業出力を訓練セットにおいて使用して、第2の機械学習システムが前記少なくとも1つのロボティックエージェントからのアクションおよび値の範囲を学習するために、作業出力の複数のインスタンスの予期された入力、出力、およびステップを学習して、前記第2の機械学習システムを連続的に訓練することと、
c)前記少なくとも1つのロボティックエージェントについての前記アクションおよび値の範囲に照らして、前記作業出力を、連続的に評価することと、
d)前記作業出力の少なくとも1つの局面が、前記ロボティックエージェントについての前記アクションおよび値の範囲外にある場合、ユーザのためのアラートを生成し、前記ユーザのための報告を生成することと、を実行するようにさらに構成され、前記報告は、前記アラートに関する説明を含む、請求項13に記載のシステム。
【請求項18】
前記少なくとも1つのロボティックエージェントがタスクの故障に遭遇すると、少なくとも1つのアラートが生成される、請求項17に記載のシステム。
【請求項19】
遭遇したタスクにおける前記故障に対する前記少なくとも1つのアラートはさらに、アラートの説明を含む報告を生成する、請求項18に記載のシステム。
【請求項20】
前記作業出力は、タスクを実行する際に前記少なくとも1つのロボティックエージェントによって実行されたステップを含む、請求項17に記載のシステム。
【請求項21】
前記作業出力は、前記タスクを実行する際に前記少なくとも1つのロボティックエージェントによって使用されたデータのソースを含む、請求項20に記載のシステム。
【請求項22】
前記作業出力は、前記タスクを実行する際に前記少なくとも1つのロボティックエージェントによって使用されたデータのための宛先を含む、請求項20に記載のシステム。
【請求項23】
実行された前記ステップが少なくとも1つの予期せぬステップを含む場合、前記作業出力は、前記アクションおよび値の範囲外にある、請求項20に記載のシステム。
【請求項24】
前記報告は、前記アラートを引き起こした状況を緩和するための勧告を含む、請求項17に記載のシステム。」
第3 当審拒絶理由の概要
当審拒絶理由は、概略、特許請求の範囲の請求項1に記載された構成cの機械学習及び構成dの機械学習は、発明の詳細な説明に記載されていないから、請求項1に係る発明は発明の詳細な説明に記載したものであるとはいえず、請求項2~12は、請求項1を直接あるいは間接的に引用する請求項であり、請求項13~24は、それぞれ、請求項1~12とカテゴリーのみが相違する請求項であるから、請求項2~24に係る発明も、請求項1に係る発明についての理由と同様、発明の詳細な説明に記載したものであるとはいえない、というものである。
第4 当審における判断
1 特許法36条6項1号について
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比較し、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により当業者が当該発明の課題を解決できる範囲のものであるか否か、また、発明の詳細な説明に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て当該発明の課題を解決できると認識できる範囲ものであるか否かを検討して判断するのが相当である。
そこで、これを判断の基礎として、以下、検討する。
2 判断
(1) 特許請求の範囲の請求項1に記載された発明について
特許請求の範囲の請求項1の記載は、上記第2の【請求項1】のとおりである。
そして、請求項1において、構成cの機械学習は、「前記入力、前記出力、および前記ステップに基づく」ものであって、「異なるロボティックエージェントによって実行された前記ステップ間の依存性」を判定するために使用されるものであること、構成dの機械学習は、「前記タスクへの調節および前記ステップへの調節」を判定するために使用されるものであること、が特定されている。
一方、発明の詳細な説明には、機械学習について、【0012】、【0015】~【0017】、【0021】、【0023】及び【0024】等に記載があるものの、当該記載が、構成cの機械学習及び構成dの機械学習のいずれに対応する記載であるのか、当業者であっても理解することはできない。
そうすると、請求項1に係る発明は、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により当業者が当該発明の課題を解決できる範囲のものであるとはいえない。
また、本願発明の構成cの機械学習及び構成dの機械学習が、当業者にとって、本願出願時の技術常識であるということもできないから、請求項1に係る発明は、発明の詳細な説明に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て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もいえない。
したがって、特許請求の範囲の請求項1に記載された発明は、発明の詳細な説明に記載したものであるということはできない。
(2) 特許請求の範囲の請求項2~24に記載された発明について
請求項2~24の記載は、上記第2の【請求項2】~【請求項24】のとおりであるところ、上記第3のとおり、請求項2~12は、請求項1を直接あるいは間接的に引用する請求項であり、請求項13~24は、それぞれ、請求項1~12とカテゴリーのみが相違する請求項である。
そうすると、特許請求の範囲の請求項2~24に記載された発明も、上記(1)と同様、発明の詳細な説明に記載したものであるということはできない。
第5 むすび
以上のとおり、本願の請求項1~24に記載された発明は発明の詳細な説明に記載したものであるとはいえないから、本願は、特許法36条6項1号に規定する要件を満たしておらず、本願は拒絶すべきものである。
よって、結論のとおり審決する。
令和6年11月11日
審判長 特許庁審判官 佐藤 智康
特許庁審判官 梶尾 誠哉
特許庁審判官 相崎 裕恒
(行政事件訴訟法第46条に基づく教示) この審決に対する訴えは、この審決の謄本の送達があった日から30日(附加期間がある場合は、その日数を附加します。)以内に、特許庁長官を被告として、提起することができます。
審判長 佐藤 智康
出訴期間として在外者に対し90日を附加する。
出典:特許庁「審決公報」(令和7年4月25日発行・号数2025-004、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。