JP7048455B2 - 学習装置、シミュレーションシステム、学習方法、およびプログラム - Google Patents
学習装置、シミュレーションシステム、学習方法、およびプログラム Download PDFInfo
- Publication number
- JP7048455B2 JP7048455B2 JP2018161908A JP2018161908A JP7048455B2 JP 7048455 B2 JP7048455 B2 JP 7048455B2 JP 2018161908 A JP2018161908 A JP 2018161908A JP 2018161908 A JP2018161908 A JP 2018161908A JP 7048455 B2 JP7048455 B2 JP 7048455B2
- Authority
- JP
- Japan
- Prior art keywords
- reward
- learning
- information
- vehicle
- simulator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims description 18
- 238000000034 method Methods 0.000 title claims description 14
- 230000006870 function Effects 0.000 claims description 71
- 230000033001 locomotion Effects 0.000 claims description 40
- 238000009795 derivation Methods 0.000 claims description 28
- 230000009471 action Effects 0.000 claims description 27
- 230000002787 reinforcement Effects 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 230000015654 memory Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 101150041549 tgt-2 gene Proteins 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 101100371648 Caenorhabditis elegans usp-14 gene Proteins 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 101150090882 tgt-1 gene Proteins 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Feedback Control In General (AREA)
Description
図1は、学習装置300の役割について説明するための図である。学習装置300は、一以上のプロセッサにより実現される。学習装置300は、内部演算によって導出した行動(アクション)をシミュレータ400に入力し、それによって生じた環境の変化等に基づく報酬を導出または取得し、報酬を最大化する行動(動作)を学習する装置である。動作とは、例えば、シミュレーション空間上での移動である。移動以外の動作が学習対象とされてもよいが、以下の説明では動作とは移動を意味するものとする。シミュレータ400は、学習装置300との間で、地図情報などの、シミュレーションの前提となる環境情報を共有する。学習装置300の学習結果は、行動決定モデルとして車両1に搭載される。学習装置300とシミュレータ400を合わせたものが、シミュレーションシステムSである。
まず、行動決定モデルを搭載する対象の車両1の一例について説明する。車両1は、少なくとも部分的に、自動的に(運転者の操作に依らずに)走行(走る、曲がる、止まる)を制御する自動運転車両(或いは運転支援機能付き車両)である。
図4は、学習装置300の構成図である。学習装置300は、複数の個別学習部300(k)を備える(k∈R;Rは交通参加者の集合)。個別学習部300(k)は、例えば、CPU(Central Processing Unit)などのハードウェアプロセッサがプログラム(ソフトウェア)を実行することにより実現される。プログラムは、予めHDDやフラッシュメモリなどの記憶装置(非一過性記憶媒体)に格納されていてもよいし、DVDやCD-ROMなどの着脱可能な記憶媒体(非一過性記憶媒体)に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
以下、個別学習部300(k)の機能について、より詳細に説明する。図6は、車両1のような自動運転車両を想定した個別学習部300(1)の構成図である。個別学習部300(1)の記憶装置には、用途毎報酬関数マップ370(1)が格納されている。個別学習部300(1)は、例えば、プランナ310(1)と、動作情報生成部320(1)と、認識部330(1)と、妥当性評価部340(1)と、リスク計算部350(1)と、報酬導出部360(1)とを備える。
報酬(トータル)=F1(速度)またはF2(速度)×F3(車間距離)×F4(リスク)×F5(加速度)×F6(横位置) …(1)
以下、前述した「交通参加者ごとに異なる規則」について再度説明する。交通参加者ごとに異なる規則は、例えば、報酬関数の相違によって実現される。また、交通参加者ごとに、報酬関数の一部が追加、または省略されてもよい。
プログラムを記憶した記憶装置と、ハードウェアプロセッサとを備え、
前記ハードウェアプロセッサは、前記プログラムを実行することにより、
複数の個別学習部として機能し、
それぞれの個別学習部は、
自身に対応する動作主体の動作を規定する情報を生成し、
前記動作主体の動作を規定する情報に基づく情報をシミュレータに入力することで前記シミュレータから得られる帰還情報を含む被評価情報を評価した報酬を導出し、
前記導出された報酬に基づく強化学習を行い、
前記複数の個別学習部のうち少なくとも二つは、前記報酬が最大化される動作が異なる、
ように構成されている、
学習装置。
100 自動運転制御装置
300 学習装置
300(k) 個別学習部
310(k) プランナ
320(k) 動作情報生成部
360(k) 報酬導出部
400 シミュレータ
Claims (6)
- 複数の個別学習部を備える学習装置であって、
それぞれの個別学習部は、
自身に対応する動作主体の動作を規定する情報を生成するプランナと、
前記動作主体の動作を規定する情報に基づく情報をシミュレータに入力することで前記シミュレータから得られる帰還情報を含む被評価情報を評価した報酬を導出する報酬導出部と、を備え、
前記プランナは、前記報酬導出部により導出された報酬に基づく強化学習を行い、
前記複数の個別学習部のうち少なくとも二つは、前記報酬導出部が導出する報酬が最大化される動作が異なり、且つ、
前記複数の個別学習部のうち少なくとも二つは、前記プランナが情報を生成する前提となる前記動作主体の動作特性が異なる、
学習装置。 - 前記複数の個別学習部のうち少なくとも二つは、前記報酬導出部が前記被評価情報を評価する規則が異なる、
請求項1記載の学習装置。 - 前記動作とは、移動である、
請求項1または2記載の学習装置。 - 請求項1から3のうちいずれか1項記載の学習装置と、
前記シミュレータと、
を備えるシミュレーションシステム。 - コンピュータが、
複数の個別学習部として機能し、
それぞれの個別学習部は、
自身に対応する動作主体の動作を規定する情報を生成し、
前記動作主体の動作を規定する情報に基づく情報をシミュレータに入力することで前記シミュレータから得られる帰還情報を含む被評価情報を評価した報酬を導出し、
前記導出された報酬に基づく強化学習を行い、
前記複数の個別学習部のうち少なくとも二つは、前記報酬が最大化される動作が異なり、且つ、
前記複数の個別学習部のうち少なくとも二つは、前記情報を生成する前提となる前記動作主体の動作特性が異なる、
学習方法。 - コンピュータを、
複数の個別学習部として機能させ、
それぞれの個別学習部は、
自身に対応する動作主体の動作を規定する情報を生成し、
前記動作主体の動作を規定する情報に基づく情報をシミュレータに入力することで前記シミュレータから得られる帰還情報を含む被評価情報を評価した報酬を導出し、
前記導出された報酬に基づく強化学習を行い、
前記複数の個別学習部のうち少なくとも二つは、前記報酬が最大化される動作が異なり、且つ、
前記複数の個別学習部のうち少なくとも二つは、前記情報を生成する前提となる前記動作主体の動作特性が異なる、
プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018161908A JP7048455B2 (ja) | 2018-08-30 | 2018-08-30 | 学習装置、シミュレーションシステム、学習方法、およびプログラム |
CN201910799036.3A CN110871811B (zh) | 2018-08-30 | 2019-08-27 | 学习装置、模拟系统、学习方法及存储介质 |
US16/553,309 US11544556B2 (en) | 2018-08-30 | 2019-08-28 | Learning device, simulation system, learning method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018161908A JP7048455B2 (ja) | 2018-08-30 | 2018-08-30 | 学習装置、シミュレーションシステム、学習方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020035221A JP2020035221A (ja) | 2020-03-05 |
JP7048455B2 true JP7048455B2 (ja) | 2022-04-05 |
Family
ID=69641288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018161908A Active JP7048455B2 (ja) | 2018-08-30 | 2018-08-30 | 学習装置、シミュレーションシステム、学習方法、およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11544556B2 (ja) |
JP (1) | JP7048455B2 (ja) |
CN (1) | CN110871811B (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6904849B2 (ja) * | 2017-08-14 | 2021-07-21 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム。 |
US11131992B2 (en) * | 2018-11-30 | 2021-09-28 | Denso International America, Inc. | Multi-level collaborative control system with dual neural network planning for autonomous vehicle control in a noisy environment |
CN112476424A (zh) | 2020-11-13 | 2021-03-12 | 腾讯科技(深圳)有限公司 | 机器人控制方法、装置、设备及计算机存储介质 |
CN113314744A (zh) * | 2021-04-18 | 2021-08-27 | 广西大学 | 一种双尺度平行强化学习的质子交换膜燃料电池控制方法 |
KR102379636B1 (ko) * | 2021-08-11 | 2022-03-29 | 주식회사 에스아이에이 | 딥러닝 기반의 어노테이션 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000035956A (ja) | 1998-07-17 | 2000-02-02 | Japan Science & Technology Corp | エージェント学習装置 |
JP2004116351A (ja) | 2002-09-25 | 2004-04-15 | Fuji Heavy Ind Ltd | 制御パラメータの最適化システム |
JP2009181187A (ja) | 2008-01-29 | 2009-08-13 | Toyota Central R&D Labs Inc | 行動モデル作成装置及びプログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10254505A (ja) * | 1997-03-14 | 1998-09-25 | Toyota Motor Corp | 自動制御装置 |
JP2005056185A (ja) * | 2003-08-05 | 2005-03-03 | Techno Face:Kk | 階層型エージェント学習方法およびシステム |
JP2007065929A (ja) | 2005-08-30 | 2007-03-15 | Okinawa Institute Of Science & Technology | 制御器、制御方法および制御プログラム |
JP5879899B2 (ja) * | 2011-10-12 | 2016-03-08 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
CA2993551C (en) * | 2015-07-24 | 2022-10-11 | Google Llc | Continuous control with deep reinforcement learning |
JP6055058B1 (ja) * | 2015-09-30 | 2016-12-27 | ファナック株式会社 | 機械学習器及び組み立て・試験器を備えた生産設備 |
CN108604309B (zh) * | 2015-11-12 | 2022-06-07 | 渊慧科技有限公司 | 从动作集中选择代理执行的动作的方法、系统和存储介质 |
CN115343947A (zh) * | 2016-09-23 | 2022-11-15 | 苹果公司 | 自主车辆的运动控制决策 |
US10019011B1 (en) * | 2017-10-09 | 2018-07-10 | Uber Technologies, Inc. | Autonomous vehicles featuring machine-learned yield model |
-
2018
- 2018-08-30 JP JP2018161908A patent/JP7048455B2/ja active Active
-
2019
- 2019-08-27 CN CN201910799036.3A patent/CN110871811B/zh active Active
- 2019-08-28 US US16/553,309 patent/US11544556B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000035956A (ja) | 1998-07-17 | 2000-02-02 | Japan Science & Technology Corp | エージェント学習装置 |
JP2004116351A (ja) | 2002-09-25 | 2004-04-15 | Fuji Heavy Ind Ltd | 制御パラメータの最適化システム |
JP2009181187A (ja) | 2008-01-29 | 2009-08-13 | Toyota Central R&D Labs Inc | 行動モデル作成装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US11544556B2 (en) | 2023-01-03 |
JP2020035221A (ja) | 2020-03-05 |
US20200074302A1 (en) | 2020-03-05 |
CN110871811A (zh) | 2020-03-10 |
CN110871811B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7048456B2 (ja) | 学習装置、学習方法、およびプログラム | |
EP3526737B1 (en) | Neural network system for autonomous vehicle control | |
JP7048455B2 (ja) | 学習装置、シミュレーションシステム、学習方法、およびプログラム | |
JP7440324B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
CN113460077B (zh) | 移动体控制装置、移动体控制方法及存储介质 | |
US20210300414A1 (en) | Vehicle control method, vehicle control device, and storage medium | |
JPWO2020049685A1 (ja) | 車両制御装置、自動運転車開発システム、車両制御方法、およびプログラム | |
JP7444680B2 (ja) | 移動体制御装置、移動体制御方法、およびプログラム | |
US20210300350A1 (en) | Vehicle control device, vehicle control method, and storing medium | |
US12024194B2 (en) | Vehicle control method, vehicle control device, and storage medium | |
CN112686421B (zh) | 将来行动推定装置、将来行动推定方法及存储介质 | |
JP2021068014A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US11667281B2 (en) | Vehicle control method, vehicle control device, and storage medium | |
JP7166988B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP2021149464A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP7049391B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP7433205B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP2024039776A (ja) | 移動体制御装置、移動体制御方法、およびプログラム | |
JP2022107296A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP2021163142A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP2021012467A (ja) | 車両制御装置、車両制御方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211223 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220324 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7048455 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |