JP7271645B2 - ロボットの変換器を基盤としたメタ模倣学習 - Google Patents
ロボットの変換器を基盤としたメタ模倣学習 Download PDFInfo
- Publication number
- JP7271645B2 JP7271645B2 JP2021188636A JP2021188636A JP7271645B2 JP 7271645 B2 JP7271645 B2 JP 7271645B2 JP 2021188636 A JP2021188636 A JP 2021188636A JP 2021188636 A JP2021188636 A JP 2021188636A JP 7271645 B2 JP7271645 B2 JP 7271645B2
- Authority
- JP
- Japan
- Prior art keywords
- training
- task
- model
- exemplars
- meta
- 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
- 238000012549 training Methods 0.000 claims description 247
- 238000012360 testing method Methods 0.000 claims description 48
- 239000012636 effector Substances 0.000 claims description 36
- 238000005457 optimization Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 29
- 230000009471 action Effects 0.000 claims description 18
- 238000010200 validation analysis Methods 0.000 claims description 18
- 241000270322 Lepidosauria Species 0.000 claims description 16
- 230000002787 reinforcement Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 description 25
- 238000013459 approach Methods 0.000 description 22
- 230000015654 memory Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000010606 normalization Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 101100455978 Arabidopsis thaliana MAM1 gene Proteins 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007474 system interaction Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010367 cloning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/045—Combinations of 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39298—Trajectory learning
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40116—Learn by operator observation, symbiosis, show, watch
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40499—Reinforcement learning algorithm
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40514—Computed robot optimized configurations to train ann, output path in real time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Description
Claims (27)
- ロボットのための訓練システムであって、
変換器アーキテクチャを備え、ロボットのアーム(arm)およびエンドエフェクタ(end effector)のうちの少なくとも1つをどのように動作させるかを決定するように構成されたモデル、
前記ロボットが訓練タスクをそれぞれ実行するための示範(demonstration)のセットを含む訓練データセット(training dataset)、および
それぞれの前記訓練タスクのメタ訓練タスクを含む第1訓練タスクに対する示範のセットである第1示範を利用して前記モデルのポリシーをメタ訓練(meta-train)し、
それぞれの前記訓練タスクの有効性検査タスクを含む第2訓練タスクに対する示範のセットである第2示範を利用して、前記モデルの過剰適合(overfitting)を防ぐための早期打切り(early stopping)に基づき、前記モデルに対して有効性検査(validation)を実施し、
それぞれの前記訓練タスクのテストタスクを含む第3訓練タスクに対する示範のセットである第3示範を利用して前記モデルの前記ポリシーを最適化するように構成された訓練モジュールを含み、
前記訓練タスクに対する前記示範のセットはそれぞれ、1つ以上の示範および第1の予め決定された数未満の示範を含む、訓練システム。 - 前記訓練モジュールは、強化学習を利用して前記ポリシーをメタ訓練するように構成される、請求項1に記載の訓練システム。
- 前記訓練モジュールは、Reptileアルゴリズムおよびモデル非依存メタ学習(model-agnostic meta-learning:MAML)アルゴリズムのうちの1つを利用して前記ポリシーをメタ訓練するように構成される、請求項1に記載の訓練システム。
- 前記訓練モジュールは、前記ポリシーを最適化する前に前記モデルの前記ポリシーをメタ訓練するように構成される、請求項1に記載の訓練システム。
- 前記モデルは、タスクの完了に向かうかタスクの完了まで進展させるために、前記ロボットの前記アームおよび前記エンドエフェクタのうちの少なくとも1つをどのように動作させるかを決定するように構成される、請求項1に記載の訓練システム。
- 前記タスクは、前記訓練タスクとは異なる、請求項5に記載の訓練システム。
- メタ訓練および前記最適化の後に、前記モデルは、前記タスクを実行するための第2の予め決定された数以下のユーザ入力示範を利用して前記タスクを実行するように構成され、
前記第2の予め決定された数は、0よりも大きい定数である、請求項5に記載の訓練システム。 - 前記第2の予め決定された数は5である、請求項7に記載の訓練システム。
- 前記ユーザ入力示範は、(a)前記ロボットの関節の位置、および(b)前記ロボットの前記エンドエフェクタの姿勢を含む、請求項7に記載の訓練システム。
- 前記エンドエフェクタの前記姿勢は、前記エンドエフェクタの位置および前記エンドエフェクタの向きを含む、請求項9に記載の訓練システム。
- 前記ユーザ入力示範は、前記タスクの実行中に前記ロボットによって相互作用されるべきオブジェクトの位置も含む、請求項9に記載の訓練システム。
- 前記ユーザ入力示範は、前記ロボットの環境における第2オブジェクトの位置も含む、請求項11に記載の訓練システム。
- 前記第1の予め決定された数は、10以下の定数である、請求項1に記載の訓練システム。
- 訓練システムであって、
変換器アーキテクチャを備え、アクションを決定するように構成されたモデル、
各訓練タスクに対する示範のセットを含む訓練データセット、および
前記各訓練タスクのメタ訓練タスクを含む第1訓練タスクに対する示範のセットである第1示範を利用して前記モデルのポリシーをメタ訓練し、
それぞれの前記訓練タスクの有効性検査タスクを含む第2訓練タスクに対する示範のセットである第2示範を利用して、前記モデルの過剰適合(overfitting)を防ぐための早期打切り(early stopping)に基づき、前記モデルに対して有効性検査(validation)を実施し、
前記各訓練タスクのテストタスクを含む第3訓練タスクに対する示範のセットである第3示範を利用して前記モデルの前記ポリシーを最適化するように構成された訓練モジュールを含み、
前記訓練タスクに対する前記示範のセットはそれぞれ、1つ以上の示範および第1の予め決定された数未満の示範を含む、訓練システム。 - ロボットのための訓練方法であって、
変換器アーキテクチャを備え、ロボットのアームおよびエンドエフェクタのうちの少なくとも1つをどのように動作させるかを決定するように構成されたモデルを記録する段階、
前記ロボットが訓練タスクをそれぞれ実行するための示範のセットを含む訓練データセットを記録する段階、
前記各訓練タスクのメタ訓練タスクを含む第1訓練タスクに対する示範のセットである第1示範を利用して前記モデルのポリシーをメタ訓練する段階、
それぞれの前記訓練タスクの有効性検査タスクを含む第2訓練タスクに対する示範のセットである第2示範を利用して、前記モデルの過剰適合(overfitting)を防ぐための早期打切り(early stopping)に基づき、前記モデルに対して有効性検査(validation)を実施する段階、および
前記各訓練タスクのテストタスクを含む第3訓練タスクに対する示範のセットである第3示範を利用して前記モデルの前記ポリシーを最適化する段階を含み、
前記訓練タスクに対する前記示範のセットはそれぞれ、1つ以上の示範および第1の予め決定された数未満の示範を含む、訓練方法。 - 前記メタ訓練は、強化学習を利用して前記ポリシーをメタ訓練することを含む、請求項15に記載の訓練方法。
- 前記メタ訓練は、Reptileアルゴリズムおよびモデル非依存メタ学習(MAML)アルゴリズムのうちの1つを利用して前記ポリシーをメタ訓練することを含む、請求項15に記載の訓練方法。
- 前記メタ訓練は、前記ポリシーを最適化する前に、前記モデルの前記ポリシーをメタ訓練することを含む、請求項15に記載の訓練方法。
- 前記モデルは、タスクの完了に向かうかタスクの完了まで進展させるために、前記ロボットの前記アームおよび前記エンドエフェクタのうちの少なくとも1つをどのように動作させるかを決定するように構成される、請求項15に記載の訓練方法。
- 前記タスクは、前記訓練タスクとは異なる、請求項19に記載の訓練方法。
- 前記メタ訓練および前記最適化の後に、前記モデルは、前記タスクを実行するための第2の予め決定された数以下のユーザ入力示範を利用して前記タスクを実行するように構成され、
前記第2の予め決定された数は、0よりも大きい定数である、請求項19に記載の訓練方法。 - 前記第2の予め決定された数は5である、請求項21に記載の訓練方法。
- 前記ユーザ入力示範は、(a)前記ロボットの関節の位置、および(b)前記ロボットの前記エンドエフェクタの姿勢を含む、請求項21に記載の訓練方法。
- 前記エンドエフェクタの前記姿勢は、前記エンドエフェクタの位置および前記エンドエフェクタの向きを含む、請求項23に記載の訓練方法。
- 前記ユーザ入力示範は、前記タスクの実行中に前記ロボットによって相互作用されるべきオブジェクトの位置も含む、請求項23に記載の訓練方法。
- 前記ユーザ入力示範は、前記ロボットの環境における第2オブジェクトの位置を含む、請求項25に記載の訓練方法。
- 前記第1の予め決定された数は、10以下の定数である、請求項15に記載の訓練方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063116386P | 2020-11-20 | 2020-11-20 | |
US63/116,386 | 2020-11-20 | ||
US17/191,264 US20220161423A1 (en) | 2020-11-20 | 2021-03-03 | Transformer-Based Meta-Imitation Learning Of Robots |
US17/191,264 | 2021-03-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022082464A JP2022082464A (ja) | 2022-06-01 |
JP7271645B2 true JP7271645B2 (ja) | 2023-05-11 |
Family
ID=81658936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021188636A Active JP7271645B2 (ja) | 2020-11-20 | 2021-11-19 | ロボットの変換器を基盤としたメタ模倣学習 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220161423A1 (ja) |
JP (1) | JP7271645B2 (ja) |
KR (1) | KR20220069823A (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11900244B1 (en) * | 2019-09-30 | 2024-02-13 | Amazon Technologies, Inc. | Attention-based deep reinforcement learning for autonomous agents |
KR20210043995A (ko) * | 2019-10-14 | 2021-04-22 | 삼성전자주식회사 | 모델 학습 방법 및 장치, 및 시퀀스 인식 방법 |
US11853149B2 (en) * | 2021-09-10 | 2023-12-26 | International Business Machines Corporation | Generating error event descriptions using context-specific attention |
WO2024181354A1 (ja) * | 2023-03-01 | 2024-09-06 | オムロン株式会社 | 制御装置、制御方法、及び制御プログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020058669A1 (en) | 2018-09-21 | 2020-03-26 | Imperial College Of Science, Technology And Medicine | Task embedding for device control |
-
2021
- 2021-03-03 US US17/191,264 patent/US20220161423A1/en active Pending
- 2021-11-10 KR KR1020210154108A patent/KR20220069823A/ko not_active Application Discontinuation
- 2021-11-19 JP JP2021188636A patent/JP7271645B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020058669A1 (en) | 2018-09-21 | 2020-03-26 | Imperial College Of Science, Technology And Medicine | Task embedding for device control |
Non-Patent Citations (1)
Title |
---|
Chelsea Finn, Tianhe Yu, Tianhao Zhang, Pieter Abbeel and Sergey Levine,One-Shot Visual Imitation Learning via Meta-Learning,arXiv [online],2017年09月14日,[2022年11月11日検索], https://arxiv.org/pdf/1709.04905v1.pdf |
Also Published As
Publication number | Publication date |
---|---|
JP2022082464A (ja) | 2022-06-01 |
US20220161423A1 (en) | 2022-05-26 |
KR20220069823A (ko) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7271645B2 (ja) | ロボットの変換器を基盤としたメタ模倣学習 | |
US20190314984A1 (en) | Automatic Robot Perception Programming by Imitation Learning | |
Cui et al. | Toward next-generation learned robot manipulation | |
US11213947B2 (en) | Apparatus and methods for object manipulation via action sequence optimization | |
US10474934B1 (en) | Machine learning for computing enabled systems and/or devices | |
EP3794513B1 (en) | Reinforcement learning systems comprising a relational network for generating data encoding relationships between entities in an environment | |
JP2019049604A (ja) | 命令文推定システムおよび命令文推定方法 | |
JP2024519443A (ja) | 双方向空間-時間変換器を使用したアクション認識方法、システム | |
Stengel-Eskin et al. | Guiding multi-step rearrangement tasks with natural language instructions | |
Ye et al. | Bagging for Gaussian mixture regression in robot learning from demonstration | |
JP2022189799A (ja) | Few-shot模倣のためのデモンストレーション条件付き強化学習 | |
Longhini et al. | Edo-net: Learning elastic properties of deformable objects from graph dynamics | |
US20220076099A1 (en) | Controlling agents using latent plans | |
Lichtenstein et al. | Deep eikonal solvers | |
KR20230141828A (ko) | 적응형 그래디언트 클리핑을 사용하는 신경 네트워크들 | |
Bharadhwaj et al. | Track2Act: Predicting Point Tracks from Internet Videos enables Diverse Zero-shot Robot Manipulation | |
CN115151916A (zh) | 在实验室环境中训练演员-评论家算法 | |
US20200074349A1 (en) | Method and system for continual learning in an intelligent artificial agent | |
US20220402122A1 (en) | Robotic demonstration retrieval systems and methods | |
US20240119188A1 (en) | Automatic generation of an augmented reality assembly, integration, and testing preparation procedure from engineering models | |
Wang | Emergent Representations in Reinforcement Learning and Their Properties | |
US20230256597A1 (en) | Transporter Network for Determining Robot Actions | |
WO2024175943A1 (en) | Systems and methods for few-shot new action recognition | |
KR102529726B1 (ko) | 인공지능 기반의 근력 예측 방법 및 장치 | |
US20240185082A1 (en) | Imitation learning based on prediction of outcomes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211119 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230213 |
|
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: 20230411 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230426 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7271645 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |