**コードを読む前に実行しておくべき一般的な Git コマンド** - `git fetch --all` *リモートの全ブランチとタグを取得します。* - `git status` *現在のブランチと未コミットの変更点を確認します。* - `git checkout <branch>` *対象となる機能やバグ修正用ブランチに切り替えます。* - `git pull --rebase` *ローカルブランチを最新の upstream コミットで更新します。* - `git log --oneline --graph --decorate -5` *簡潔なコミット履歴を表示し、文脈を把握します。* - `git diff origin/<branch>..HEAD` *まだプッシュしていない変更点を確認します。* - `git rev-parse HEAD` *現在のコミットハッシュを取得（参照に便利）。* - `git tag --list` *利用可能なタグ一覧を表示し、バージョン管理に役立てます。* - `git show <commit>` *特定のコミットの詳細と差分を調べます。* これらのコマンドで、コードを掘り下げる前にリポジトリの状態を素早く把握できます。

2026/04/09 0:40

私、macOS XをNintendo Wiiにポート（移植）いたしました。

## Japanese Translation: --- ## 改良された要約 Mac OS X 10.0（Cheetah）は、Nintendo Wii 上でネイティブに動作するようにポートされ、コンソールをキーボード/マウス入力と GUI サポート付きの完全機能型デスクトップへ変貌させました。プロジェクトのコアは、*ppcskel* をベースに最初から書き直されたカスタムブートローダーです。このブートローダーは、Wii の PowerPC 750CL CPU を起動し、メモリレイアウトを設定し、最小限のデバイスツリー（root → cpus → PowerPC,750; memory）を作成します。SD カードから XNU カーネルをロードし、実行中にカーネルバイナリをパッチ（MEM1/MEM2 用の BAT 設定と USB Gecko へのコンソール出力）し、制御を XNU に渡します。 ブートローダーが提供する主要ドライバーは次の通りです： - **SD‑カードドライバー**：Starlet MINI IPC コマンド（IPC_SDMMC_SIZE, READ, WRITE）を介して IOBlockStorageDevice を実装し、XNU が SD カードからルートファイルシステムをマウントできるようにします。 - **フレームバッファドライバー**：0x01700000 に RGB フレームバッファ（640×480 @ 16 bpp）を提供し、Wii のアナログテレビ出力用に YUV へ変換して Mac OS X GUI を実現します。 - **USB サポート**：PCI デバイスのニブ（NintendoWiiHollywoodPCIDevice）を作成し、AppleUSBOHCI をパッチして受け入れさせ、OHCI ドライバーからバイトスワップ処理を除去することでリバースレトルエンディアンハードウェアに対応し、USB キーボード/マウス機能をフル実装します。 ブートローダーは Apple Partition Map を解析し、起動可能なパーティションを一覧表示し、/chosen/memory‑map ノード経由でカーネル拡張を直接メモリにロードできるようにするため、改変されていない Mac OS X インストーラーパーティションからのインストールも可能です。必要なカーネル変更は最小限（BAT 設定、“hollywood” I/O ベース取得、フレームバッファキャッシュ整合性修正）で済み、その他すべてのドライバーはブートローダーが提供します。 この成果は、歴史的にサポートされていなかったプラットフォーム――Nintendo Wii――でも Mac OS X Cheetah をエンドツーエンドで動作させることを示し、ホビイストに低コストのレトロコンソールとして機能するデスクトップコンピュータを提供します。

2026/04/09 4:23

**ソフトウェア開発者のためのUSB：ユーザースペース USB ドライバー作成入門**

## Japanese Translation: ``` USB デバイスの操作は、libusb を使用してユーザー空間だけで完全に処理できるため、カーネルレベルのドライバ開発は不要です。 例として、Fastboot モード（VID 18d1 / PID 4ee0）にある Android フォンを挙げます。接続すると `lsusb` は「Google Inc. Nexus/Pixel Device (fastboot)」と表示し、カーネルドライバは付いていません。また、ベンダー固有クラスインターフェースが 2 つのバルクエンドポイントを公開します：コマンド送信用 OUT 0x02 とレスポンス受信用 IN 0x81。 libusb のホットプラグコールバックはこのデバイスの到着を検出し、Fastboot コマンドを自動的に発行できます。典型的な手順は次のとおりです： 1. `libusb_control_transfer` を使用して GET_STATUS リクエストを送信します。2 バイトの応答はデバイスがセルフパワーであり、リモートウェイクアップをサポートしないことを示します。 2. GET_DESCRIPTOR リクエストを送信して完全なデバイスディスクリプタ（ベンダー／プロダクト ID、USB バージョン等）を取得します。 3. バルク OUT 0x02 を介して Fastboot コマンドを発行します（例：「getvar:version」を 64 バイトにパディング）。 デバイスは IN 0x81 で 4 文字のステータス（「OKAY」または「FAIL」）と任意のペイロードを返します。 同じユーザー空間アプローチは、バルク転送に依存する他の USB プロトコルにも適用できます。主な作業はカーネルコードを書く代わりにプロトコルロジックを実装することです。これにより OEM 向けドライバ開発が簡素化され、ブートローダーのテストが迅速化し、カーネルモジュールなしでカスタム USB デバイスの高速プロトタイピングやデバッグが可能になり、組込み開発者と広範な USB エコシステムに恩恵をもたらします。 ```

2026/04/09 2:11

**カルマンフィルタを理解する：シンプルなレーダー例題** カルマンフィルタは、ノイズの多い測定値からシステム（位置・速度など）の状態を推定するアルゴリズムです。 この例では、レーダーセンサーを使って移動物体を追跡する方法を見てみます。 1. **システムモデル** - 状態ベクトル：\(\mathbf{x}_k = [x_k,\; y_k,\; \dot{x}_k,\; \dot{y}_k]^T\) - 変換行列（定常速度モデル）： \[ \mathbf{F} = \begin{bmatrix} 1 & 0 & \Delta t & 0\\ 0 & 1 & 0 & \Delta t\\ 0 & 0 & 1 & 0\\ 0 & 0 & 0 & 1 \end{bmatrix} \] - プロセスノイズ共分散：\(\mathbf{Q}\)（加速度不確かさに依存） 2. **測定モデル** - レーダーは距離 \(r\) と方位角 \(\theta\) を返します。 - 測定ベクトル：\(\mathbf{z}_k = [r_k,\; \theta_k]^T\) - 観測行列： \[ \mathbf{H} = \begin{bmatrix} \dfrac{x}{\sqrt{x^2+y^2}} & \dfrac{y}{\sqrt{x^2+y^2}} & 0 & 0\\[4pt] -\dfrac{y}{x^2+y^2} & \dfrac{x}{x^2+y^2} & 0 & 0 \end{bmatrix} \] - 測定ノイズ共分散：\(\mathbf{R}\) 3. **カルマンフィルタの手順** - *予測* \[ \hat{\mathbf{x}}_{k|k-1}= \mathbf{F}\,\hat{\mathbf{x}}_{k-1|k-1} \] \[ \mathbf{P}_{k|k-1}= \mathbf{F}\,\mathbf{P}_{k-1|k-1}\,\mathbf{F}^T + \mathbf{Q} \] - *更新* イノベーション（残差）を計算： \[ \mathbf{y}_k = \mathbf{z}_k - h(\hat{\mathbf{x}}_{k|k-1}) \] イノベーション共分散： \[ \mathbf{S}_k = \mathbf{H}\,\mathbf{P}_{k|k-1}\,\mathbf{H}^T + \mathbf{R} \] カルマンゲイン： \[ \mathbf{K}_k = \mathbf{P}_{k|k-1}\,\mathbf{H}^T\,\mathbf{S}_k^{-1} \] 更新された状態と共分散： \[ \hat{\mathbf{x}}_{k|k}= \hat{\mathbf{x}}_{k|k-1}+ \mathbf{K}_k\,\mathbf{y}_k \] \[ \mathbf{P}_{k|k}= (\mathbf{I}-\mathbf{K}_k\,\mathbf{H})\,\mathbf{P}_{k|k-1} \] 4. **実装のヒント** - レーダー測定関数が非線形の場合は、線形化したモデル（拡張カルマンフィルタ）を使用します。 - 追跡が失われた際には、頻繁にフィルタを再初期化してください。 - \(\mathbf{Q}\) と \(\mathbf{R}\) を実際のセンサーノイズ特性に合わせて調整します。 5. **結果の解釈** - 追加測定が増えるにつれて、推定位置は真軌道に収束します。 - フィルタが十分なデータを蓄積し不確実性が減少すると、速度推定も改善されます。 これらの手順に従えば、シンプルなレーダー測定値でもカルマンフィルタで処理でき、物体運動の正確かつリアルタイムな追跡を実現できます。

## Japanese Translation: カルマンフィルタは、測定ノイズとプロセスノイズが存在する状況でシステムの状態を予測し修正する最適な再帰推定器です。単純な一次元レーダートラッキング例では、状態ベクトル \(x=[r;\;v]\) が距離と速度を表します。初期時刻 \(t_0\) での測定値（\(r=10\,000 \text{ m}, v=200 \text{ m/s}\)）から、フィルタは一定速度モデルを用いて次状態を予測します（\(\Delta t = 5\,\text{s}\））: \(x_{1|0}=F x_{0|0}=[11\,000;\;200]\)。 予測された共分散行列は、遷移行列 \(F\) と必要に応じてプロセスノイズ \(Q=\sigma_a^2\begin{bmatrix}\frac{\Delta t^4}{4}&\frac{\Delta t^3}{2}\\ \frac{\Delta t^3}{2}&\Delta t^2\end{bmatrix} = \begin{bmatrix}6.25&2.5\\ 2.5&1\end{bmatrix}\) によって更新され、\(P_{1|0}=28.5,\;3.75;\;3.75,\;1.25\) となります。 時刻 \(t_1\) での第二測定値（\(r=11\,020 \text{ m}, v=202 \text{ m/s}\））、共分散行列 \(R_1=\begin{bmatrix}36&0\\0&2.25\end{bmatrix}\）は、カルマンゲイン \(K_1=P_{1|0}(P_{1|0}+R_1)^{-1}= \begin{bmatrix}0.4048&0.6377\\0.0399&0.3144\end{bmatrix}\) を通じて組み込まれます。 更新された状態は \(x_{1|1}=[11\,009.37;\;201.43]\)、共分散行列は \(P_{1|1}=(I-K_1)P_{1|0}= \begin{bmatrix}14.57&1.43\\1.43&0.71\end{bmatrix}\) となり、事前予測と測定の不確実性に比べて減少します。 フィルタは次に \(t_2\) に再び予測します：\(x_{2|1}=F x_{1|1}=[12\,016.5;\;201.43]\)、共分散行列 \(P_{2|1}=F P_{1|1} F^T + Q = \begin{bmatrix}52.86&7.47\\7.47&1.71\end{bmatrix}\)。 この簡潔な説明は、すべての重要な定量的詳細を保持し、予測‑更新サイクルを示し、カルマンフィルタが不確実性をどのように減少させるかを強調しています。基本的な線形代数と推定概念に精通した読者には明瞭であり、不必要な専門用語は避けています。