rosパッケージとはなんですか？

ROS（Robot Operating System）の**パッケージ（package）**とは、 1つの機能単位としてまとめられた最小の構成要素のことです。 ロボット開発に必要な「ノード・設定・ライブラリ・実行ファイル・メッセージ定義」などを**1つのフォルダにまとめた“アプリのようなもの”**と考えるとわかりやすいです。

🔧 ROSパッケージとは？（正式な定義）

  • ROSのソフトウェアを構成する最小単位
  • 1つのパッケージには、次のような複数の要素を含められる
    • ノード（実行プログラム）
    • launchファイル
    • msg / srv / action定義
    • パラメータ設定（yaml）
    • Python/C++ライブラリ
    • URDF、Mesh などのモデルデータ
    • 依存パッケージの指定（package.xml）
    • ビルド設定（CMakeLists.txt）

📦 1つのパッケージでできることの例

① モータ制御パッケージ

motor_controller/
 ├── src/motor_node.cpp
 ├── launch/motor.launch.py
 ├── msg/MotorStatus.msg
 ├── CMakeLists.txt
 └── package.xml
→ モータを制御する機能だけをまとめた“部品箱”

② LiDAR を扱うパッケージ

lidar_driver/
 ├── src/driver_node.py
 ├── params/lidar.yaml
 └── launch/lidar.launch.py
→ LiDARデータの取得・加工・出力が1つにまとまっている

🧱 パッケージを組み合わせてロボットを作る

ROSの特徴は「小さなパッケージを組み合わせて、大きなロボットシステムを構築する」ことです。 例：あなたが作ろうとしている “地図なし Teach&Repeat ロボット” なら…
  • camera_driver（カメラ取得）
  • vpr_localizer（VPR/画像類似度）
  • teach_and_repeat（走行ロジック）
  • motor_controller（制御）
  • ui_dashboard（表示系）
などの小さなパッケージの組合せになります。

✔ なぜパッケージに分けるの？（メリット）

  • 再利用しやすい（他プロジェクトへコピペしやすい）
  • チームで作業しやすい（役割を分担）
  • ビルド・依存関係を管理しやすい
  • 不具合箇所を特定しやすい（機能ごとに独立）
まさにロボット開発の**“部品化”**です。

🔍 まとめ

  • ROSパッケージ＝ロボット機能をまとめたフォルダ構造
  • ノード・メッセージ・設定ファイルなどを含む
  • 多数のパッケージを組み合わせてロボット全体を構成する
もしよければ、 「ROS2 で自分のパッケージを1つ作ってみたい」 という場合、あなたの用途（Scout E / JetBot / Orin NX）に合わせてテンプレートを作りますよ！  

rosを一般公開したロボットにscouteは含まれますか？

  短く言うと 「Moorebot Scout / Scout E は ROS を“公式には”サポートしていません。 しかし、コミュニティが ROS パッケージを作っているため “部分的に含まれる” という状態です。」 以下でわかりやすく整理します。

✅ 結論：Scout / Scout E は 標準の ROS ロボットではない

ROS（Robot Operating System）を公開している Open Robotics が公式に提供している標準ロボット は限られています。 代表例：
  • TurtleBot シリーズ（TurtleBot2, TurtleBot3, TurtleBot4）
  • PR2
  • Fetch
  • Husky（Clearpath） など
これらは ROSの公式チュートリアルやサンプルで使われる“代表ロボット” で、メーカー側が ROS パッケージを公式提供しています。 ➡ Scout / Scout E はこの中には含まれません。

🔍 では、Scout E は ROS を使えないのか？

使えます。ただし、以下の注意点がある“非公式サポート”です。

🔸 ① Moorebot（メーカー）自身は ROS パッケージを提供していない

Moorebot の公式SDKは以下のみ：
  • HTTP API・WebSocket API
  • Python SDK -（一部）MQTT
ROS用のパッケージは公式には配布していません。

🔸 ② 有志が ROS/ROS2 パッケージを作成している

例：
  • GitHub で有志が作成した ros2-moorebot
  • Scout の WebAPI を叩くための ROS node
  • カメラストリームを ROS トピックとして配信する wrapper
これらのおかげで ROS2 のノードとして扱うことは可能 です。

🔸 ③ “スカウトをROS化” は 完全自作 or 有志パッケージ＋α が前提

ROSロボットとして見ると：
機能 標準ROSロボット Scout E 補足
モータ制御 ROS topic で標準提供 ×（Web API） ラッパーを書けば可能
カメラ ROS image topic △（H.264ストリーム） デコードして publish
IMU /imu/data × APIから自作
自己位置推定 nav2標準 × Teach&Repeatなど自作
SLAM slam_toolbox など × CPU不足、外付けPC必須
➡ 外付け計算機（Orin NX, Jetson Nano, ラズパイ）＋ 自作ROSノードが必要

🧭 では「一般公開したロボットに Scout が含まれるか？」という質問の意図への回答

❗ “ROSの標準ロボット一覧”に Scout は含まれていません。

（例：Open Roboticsの公式教材、代表ロボット、ROS標準サポート機体など）

✔ しかし“ROS対応ロボットとして世に出ているもの”には実質含まれている

理由：
  • 学会・コミュニティで「ScoutをROSで動かした」という報告は多数ある
  • GitHubにパッケージが複数ある
  • 外付け計算機を載せれば、実質ROSロボットとして扱える
つまり表現としては、
公式のROSロボットではないが、コミュニティの手でROS対応された汎用プラットフォーム
という位置づけです。

💡 あなたの研究用途に照らすと？

あなたは SLAMを使わない地図なし Teach & Repeat / VPRロボット を計画していますよね：
  • 走行の外付け計算機
  • カメラ＋画像認識
  • 経路再現
  • ナビゲーションのずれ補正
これはまさに コミュニティROSロボットの典型的な使い方 です。 Scout E × Orin NX × ROS2 → 十分実現可能で、むしろやりやすい構成 です。

📌 まとめ

  • Scout / Scout E は ROS の公式ロボットではない
  • メーカー公式の ROS パッケージも提供されていない
  • しかし コミュニティによって ROS(2)対応が可能
  • 外付け計算機＋自作ノードにより、ROSロボットとして扱える
Scout E を 完全な ROS2 ロボット化するための構成図 を作ることもできます。 作りますか？  

orinnxとは何ですか？

Orin NX（正式名：NVIDIA Jetson Orin NX）とは、 NVIDIA が開発した超小型・高性能なAIコンピュータ（エッジAI向けモジュール） のことです。 ロボット・ドローン・自動運転・産業機器などで AI推論・画像処理・SLAM・ROS2 を動かすための“頭脳” として使われます。

🧠 Orin NX のイメージ

✅ Orin NX の本質的な説明

  • NVIDIA Jetsonシリーズの一員（Nano → Xavier → Orin）
  • GPU付きの小型コンピュータ
  • 省電力だがハイパワー（10〜25W）
  • ロボット向けAI計算に特化
あなたが研究でやりたい VPR（画像類似度）・Teach＆Repeat・深層学習・ROS2 Navigation をスムーズに実行できるのがこの Orin NX です。

🧩 Orin NX の構成要素

部品 内容
CPU 8コア ARM Cortex-A78
GPU NVIDIA Ampere（1024 CUDA / 32 Tensor）
メモリ 8GB or 16GB
ストレージ NVMe SSD 使用可
OS Ubuntu + JetPack（AIライブラリ込み）

🚀 Orin NX で何ができる？

1. リアルタイム画像AI

  • 自動追跡
  • 障害物認識
  • VPR（あなたのTeach&Repeat方式で使うやつ）

2. 自己位置推定（SLAM）

  • ORB-SLAM3
  • Isaac ROS VSLAM

3. ROS2 をフルスペックで実行

  • Nav2
  • rclcpp Pythonノード
  • カメラ画像処理

4. ロボットの中心コンピュータとして機能

  • JetBot
  • TurtleBot4
  • 自動配送ロボット

🤖 Orin NX をロボットに積むと何が変わる？

項目 普通の小型ロボット Orin NX 搭載ロボット
カメラ処理 カクつく 60FPSで高精度
AIモデル 小型しか動かない 大型モデルがリアルタイム
ROS2 重い スムーズ
VPR（画像類似度） 難しい 十分実用レベル
あなたのプロジェクト（地図なしで歩道を走るロボット）では、 Orin NX はほぼ必須レベルの選択 になります。

📦 Orin NX Developer Kit（開発キット）

開発キットを買うとすぐ使えます。
  • HDMI / USB / LAN あり
  • M.2 SSD が使える
  • 電源を入れるだけで Ubuntu が動く
研究室・ものづくり支援Gでも扱いやすいタイプです。

🧭 あなたの計画に合わせたまとめ

あなたは今、以下を計画中：
  • Scout E の Teach&Repeat 自律走行
  • 地図なしナビ（SLAM不使用）
  • VPR（画像類似度）で位置補正
  • 外付け計算機が必要か検討中
➡ その外付け計算機として最適なのが Orin NX。 軽くて電力効率が良いのに、 画像処理とAI推論には圧倒的に強い。
必要なら次を作れます：
  • Scout E × Orin NX × ROS2 の構成図
  • 予算と必要パーツ一覧
  • Jetson Orin NX のセットアップ手順
  • Orin NX を使った画像ベース教示再生のアルゴリズム
何が知りたいですか？  

orinnxはラズパイやrdkxみたいなものですか？

結論から言うと――
Orin NX は「ラズパイやRDKX“みたいなもの”だけど、性能は“まったく別次元のロボット用スーパーパソコン”です。
イメージしやすいように、３つを比較しながら説明します。

🧩 ざっくり比較（直感的な理解）

名称 何者？ 性能 用途
Raspberry Pi 小型パソコン 低い Hobby、簡単な制御
RDKX（RDK-X3など） ロボット向け小型計算機 中くらい SLAMやROSも軽くならできる
Jetson Orin NX ロボット向けAIスーパーモジュール 圧倒的に高い 画像AI・SLAM・ROS2・自動運転級
Orin NX はラズパイやRDKXの “上位互換” というより、ロボットAI専用のハイエンド機。

🔥 1. ラズパイとの違い

ラズパイ

  • CPUのみ（GPU弱い）
  • AI推論はほとんどできない
  • カメラ映像をリアルタイムで解析するとカクつく
  • SLAMやVPRは厳しい
  • 価格は激安

Orin NX

  • GPU（1024CUDA / 32Tensor）搭載 → AI専用ハードあり
  • 画像AI処理が“何十倍〜百倍以上”速い
  • 60FPSの画像をAIで解析可能
  • SLAM・画像類似度・Nav2 すべてリアルタイム
  • 研究レベルのロボット開発向け
➡ もはや次元が違う。ラズパイとは比較対象にならないレベル。

⚙ 2. RDKX（Jetson Nano互換系）との違い

RDKX シリーズ（RDK-X3など）は 「Jetson Nano 互換の、中国製の小型AIボード」です。
  • Jetson Nanoと同程度〜少し上
  • 画像AIは軽いモデルのみ可能
  • 消費電力は低い（5〜15W）
  • 価格は安い

Orin NX は…

  • GPUコア数：Nano の約20倍以上
  • AI性能：Nanoの10〜40倍
  • Isaac ROS（NVIDIA純正SLAM/Nav2）も余裕
  • 大型AIモデル（YOLOv8、VPRモデル）がリアルタイム
➡ RDKX では “ギリギリ動く” 程度のAIが Orin NX では “実用レベルで高速に動く”

🤖 3. あなたの用途（Scout E Teach&Repeat）なら？

あなたが作ろうとしているロボットは：
  • カメラ画像 → 画像類似度(VPR) → 現在位置推定
  • Nav2を使わない教示再生（Teach&Repeat）
  • 歩道など複雑な環境を走る
  • できれば60FPSで映像処理したい
これは次のような負荷が大きい処理が必要：
  • CNNベースの画像特徴抽出
  • 埋め込みベクトルの類似度計算
  • カメラ画像のリアルタイム処理
  • 経路補正の計算

🔍 3つの中で動くか？

機器 VPR Teach&Repeat 実走行
ラズパイ ❌ 重すぎて不可 ❌ ❌
RDKX3 △ 軽いモデルだけ △ ギリギリ △〜×
Orin NX ◎ 余裕で高速 ◎ 実用レベル ◎ 研究品質
あなたのプロジェクトには Orin NX 以外ほぼ選択肢がない です。

🧭 まとめ（わかりやすく）

  • はい、Orin NX はラズパイやRDK-X3 と同じ“シングルボードコンピュータの仲間”です。
  • しかし性能は圧倒的で、 ロボット・自動運転・AI専用のハイエンド機。
  • 特に VPR×Teach&Repeat の研究には最適。
必要なら作れます：
  • Orin NX と RDKX3 のガチ性能比較（fps / AIモデル別）
  • あなたの Scout E 向けシステム構成図
  • Orin NX と外付けバッテリーで動かす配線図
  • 初期セットアップ手順（JetPack → ROS2 → VPR環境）
どれを作りますか？  

ガウシアンスプラティングはVPRに使えたりしますか？

結論から言うと――
現状のガウシアンスプラッティング（3DGS）は、 “VPR（Visual Place Recognition）にそのまま使うのはほぼ不向き”。 ただし “派生技術として使える可能性はある” という位置づけです。
わかりやすく整理します。

📌 ガウシアンスプラッティングとは？

3D Gaussian Splatting（3DGS）は：
  • 多視点画像から高速にきれいな3Dを再構築できる新しい技術
  • NeRFより高速・高品質
  • 主用途：VR / AR / ロボットSLAM / 3Dマップ構築
VPRとは直接目的が違います。

🥽 1. VPR と 3DGS が求めているものが違う

✔ VPR（画像類似度ナビ）

  • 入力：カメラ画像1枚
  • 出力：その画像が「どこ（どの地点）」か
  • 必要なのは：視点変化に強い特徴ベクトル（埋め込み）

✔ 3DGS

  • 入力：複数の視点の画像
  • 出力：3Dモデル（ガウシアンの集合）
  • 目的：3D空間の再構築・レンダリング
➡ 3DGSは“3Dを作る技術”であり、 “1枚の画像から場所同定する技術（VPR）ではない”。

🧠 2. では VPR に応用できないのか？

完全に無関係というわけではありません。 むしろ「将来的には相性が良い可能性がある」技術です。 理由は以下：

⭐ (A) 3DGS で視点変化に強い特徴を作れる可能性

3DGSが生成するのは 3Dのガウシアン分布クラウド → そこから生成されるレンダリング画像は、 視点を自由に変えても破綻しにくい これを利用すると：

➤ 「任意視点のテンプレート画像を生成する」

  • Teach時：3DGSを構築
  • Repeat時：現在のカメラ画像に近い視点のレンダリングを生成
  • 画像同士の類似度を取る
これは 視点ロバストVPR（Viewpoint-robust VPR） の一種になります。

⭐ (B) 3DGS から“3D環境特徴ベクトル”を抽出する研究も進行中

最近の論文では：
  • ガウシアンの分布
  • ガウシアンの色・密度・勾配
  • ガウシアンの局所構造
これらを使って VPR向けの特徴ベクトルを抽出する研究 が出始めています。 ただし、まだ実用化レベルではないです。

⭐ (C) 3D再構築 → 画像生成 → 従来VPR(ResNet/VPRNet) の組み合わせは現実的

流れはこう：
  1. ガウシアンスプラッティングで Teaching 経路の3Dを作る
  2. 任意視点レンダリングで「過去に撮れていない画像」も生成
  3. それを VPR のテンプレートとして利用
  4. Repeat時は、現在の画像をベクトル化 → テンプレート群と比較
これにより 視点ずれによる誤認識が大幅に減る 可能性があります。

⚠ 3DGS を VPR で使う際の“問題点”

❌ ① 3D作成には多視点データが必要

VPRは「1地点1枚」でいけるが、3DGSは多視点が必要。

❌ ② スプラットの更新がリアルタイムでは重い

Orin NXでも歩行速度でのリアルタイム3DGS SLAMは負荷が高い。

❌ ③ 研究段階で、実ロボット活用例がまだ少ない

3DGSによるVPRは実験的分野。

🔍 結論

現時点では：
  • ✔ 3DGSは VPRに直接は使えない
  • ✔ しかし VPRの精度改善に“応用できる可能性がある”
  • ✔ 将来は「3DGS × VPR」は有望な研究分野
あなたの計画（Teach＆Repeat、歩道走行）では “使うなら補助的に” が現実的です。

🎯 あなたの用途に最適な回答（おすすめ構成）

あなたがやりたいのは：
  • SLAMなし
  • 画像のみ
  • Teach&Repeat
  • VPR
  • Scout E × Orin NX
この場合は：
VPR は従来のCNNベースで行い、 3DGS は「テンプレート画像増強の補助」として使うと最高に相性がいい。
（視点耐性が一気に上がる）
必要なら作れます：
  • 3DGS × VPR を組み合わせた Teach&Repeat の構成図
  • Orin NX での3DGS処理の実FPS（実機向け）
  • ガウシアンスプラッティングの最小実験レシピ
どれを知りたいですか？  

scouteとrdkの接続方法を教えて下さい

  Moorebot Scout / Scout E と RDK（RDK-X3 など） を接続する方法は、 用途によって 3通り あります。 あなたの用途（外付け計算機で VPR / Teach&Repeat を動かす）なら 方式①が最適 です。

✅ 接続方法は 3 種類：結論先取り

接続方式 目的 難易度 おすすめ度
① Wi-Fi（API通信） Scout を外部PCで制御・画像取得 ★☆☆ 最強（あなた向け）
② USB（RTSP映像用） カメラ映像だけ高品質で取得 ★★☆ 目的次第
③ UART / GPIO（低レベル制御） センサ追加・低レベル通信 ★★★ 特殊用途のみ
以下で図付きで説明します。

------------------------------------

🟩 ① Wi-Fi で接続（最も一般的 & あなたの用途に最適）

Scout E は本体に Wi-Fi AP モード を持っています。 RDK-X3 側をその Wi-Fi に接続するだけで通信できます。

🔌 接続手順

1. Scout の Wi-Fi に接続

Scout の電源を入れると、以下のようなアクセスポイントが出ます： 
SCOUT_xxxx

2. RDK-X3（もしくは Orin NX）をその Wi-Fi に接続

RDK 側の Linux で： 
nmcli device wifi connect "SCOUT_xxxx" password "xxxxx"

3. Scout の API にアクセス

Scout の API は以下の構成（標準ポート）：
  • HTTP：http://192.168.1.1:80/
  • WebSocket（制御用）：ws://192.168.1.1:8765/
  • RTSP（映像）：rtsp://192.168.1.1/live
RDK 側から試しに API を叩く： 
curl http://192.168.1.1/info

4. 動作例：RDKから Scout を前進させる

（WebSocket制御） 
import websocket
import json

ws = websocket.create_connection("ws://192.168.1.1:8765/")

cmd = {
  "command": "move",
  "speed": 0.3,
  "turn": 0.0
}
ws.send(json.dumps(cmd))

🔥 この方式のメリット

  • USB接続不要
  • 外付け計算機が Scout の「頭脳」になれる
  • 画像も API で取得できる
  • VPR・Teach&Repeat がそのまま実装可能
あなたはこの方式一択でOKです。

------------------------------------

🟧 ② USB 接続（映像をRDKで受ける）

Scout E の一部モデルは USB で UVC カメラとして認識されるものがあります。 これを RDK-X3 に接続すると：
  • /dev/video0 として認識
  • 低遅延で画像取得可能
  • OpenCV でもROS2 image pipelineでも使える

注意

  • 全モデルで安定するわけではない
  • 制御は Wi-Fi API のまま併用する必要あり

------------------------------------

🟥 ③ UART（拡張ポート）で接続

Scout E にある UART 拡張ポート からローレベルにアクセスする方式。

特徴

  • RDK-X3 の GPIO/UART と直結可能
  • 独自センサを Scout に追加したい時
  • バイナリプロトコルで高速制御可能

デメリット

  • 仕様書の情報が少ない
  • 配線ミスで壊すリスクあり
  • Scout API は使用不可になる
🏁 普通のROSロボットの接続方法とは違い、 Scoutは“UARTは最終手段”と思ってください。

------------------------------------

🎯 あなたの目的に合わせた最適解

あなたは
  • SLAMなし
  • 教示再生（Teach&Repeat）
  • VPR（画像類似度）
  • 外付け計算機（RDK or Orin NX）を使う
という構成を目指しています。 その場合は 接続方式①（Wi-Fi API）＋必要なら RTSP映像 がベストです。

おすすめ構成図

[Scout E]  ←→  Wi-Fi  ←→  [RDK-X3 / Orin NX]
                         ├ 画像取得（RTSP）
                         ├ VPR推論
                         ├ Teach&Repeat制御
                         └ WebSocket APIでモータ制御

------------------------------------

📦 必要ならさらに作れます

  • Scout × RDK の配線図（USB / UART）
  • RDK側の実装テンプレート（Python / ROS2ノード）
  • Wi-Fi制御の全コマンド一覧
  • Scout E のAPI解析
  • Orin NX 版の最適構成
どれを作りましょうか？

wifi接続ならrdkよりノートパソコンを繋いだ方が頭脳になったりしますか？

  結論から先に言うと――
はい。Wi-Fi 接続なら、RDK よりノートPCの方が “はるかに強力な頭脳” になります。 特にあなたの用途（VPR＋Teach&Repeat）ではノートPCの方が圧倒的に有利です。
ただし “ロボットに積むかどうか” がポイントになります。 以下、わかりやすく整理します。

🧠 1. ノートPCは RDK より圧倒的に高性能

🔸 RDK-X3 の性能

  • ARM CPU（スマホクラス）
  • 小型AIアクセラレータ
  • 消費電力：5〜15W
  • AI推論：軽量モデルのみ

🔸 普通のノートPCの性能

  • Intel/AMD 高性能CPU
  • NVIDIA GPU付きなら AI推論が超高速
  • メモリも多い（16〜32GB）
  • 画像処理や深層学習は桁違いに速い
➡ VPR、特徴抽出、画像比較などを行うならノートPCの勝ち。

🚀 2. Wi-Fi接続では“どの計算機でも Scout と同じ使い方ができる”

Scout E への接続は：
  • 映像：RTSP
  • 制御：WebSocket
  • センサ：HTTP API
つまり Scout は単なる“周辺機器”になる ので 背後の計算機は何を使っても自由。

🧲 3. ノートPCのメリット

✔ 圧倒的な計算速度（特にAI系）

  • 速度：RDK の 10〜50 倍
  • CNN + VPR + SLAM + 経路計画の同時実行も余裕

✔ デバッグが楽

  • モニターもキーボードもそのまま
  • Python環境も整っている
  • ROS2はすぐ動く

✔ 無線接続なので物理的に載せる必要なし

PCはリュックでもOK。

🧱 4. ノートPCのデメリット

❌ 持ち運びが重い

  • 本体をロボットに積むのは現実的ではない
  • リュックを背負ってロボットの後ろを歩く運用が必要

❌ バッテリー管理が面倒

  • 長時間の実験は外部給電が必要

🏁 5. RDK-X3を使うメリットは？

RDKの長所は以下の通り：
特徴 説明
小型・軽量 Scout に載せられる
省電力 5〜15W
衝撃に強い ロボットの上に載せても安心
安価 ノートPCより圧倒的に安い
つまり、ロボット本体に“頭脳”を乗せたい場合 はRDKが適している。

🎯 6. あなたのプロジェクトの場合（最適解）

あなたがやりたいのは：
  • Scout E
  • 地図なし Teach&Repeat
  • VPR（画像類似度）
  • 将来はOrin NXも視野
  • 歩道・屋外走行
この場合、正しい選択はこうなります：

🔵 研究・開発段階（室内・屋外で試行錯誤）

→ ノートPCが最強 理由：
  • デバッグが楽
  • Python・ROS2環境が充実
  • 処理速度が圧倒的
  • 消費電力を気にしない
  • 教示データをすぐ可視化できる

🔵 完成したロボットとして運用したい時

→ RDK / Orin NX に移植 理由：
  • ロボットに積んで自律走行させるため
  • 軽量で省電力
  • 持ち運びやすい

実際のロボティクス研究の典型パターン：

  1. 開発段階 ノートPCで高速にAIを回す
  2. 実証段階 RDKやJetson（Orin）へ移植
  3. 製品段階 最適化してコンパクト化

🔍 7. 最終まとめ

  • Wi-Fi接続ならノートPCはRDKより圧倒的に強い頭脳
  • 特にVPR・AI・ROS2の開発段階ではノートPCが圧勝
  • ロボットに積載する段階になったらRDKやOrin NXに移行
必要なら以下も作れます：
  • Scout × ノートPC × Wi-Fi の構成図
  • ノートPCで動かせる「VPRによる自己位置推定プログラム」テンプレ
  • ノートPC → RDK/Orin への“移植手順”
  • 現場実験時の最適なシステム構成（ルックバック方式）
どれを作りますか？