マウスでエイム部

valoイモがデバイスレビューをします

AIMは「腕」でするのか？――Ryanguru式を入口に、センサーから考える

全4回：身体とセンサーから考えるAIM

「その感度なら腕で振ったほうがいい」「細かい調整は手首で」。FPSでよく聞く説明だ。もちろん、どの部位が動いているかを言い表すには便利である。ただ、その分類だけで「なぜ当たるのか」まで説明できるだろうか。

ゲームは、私の肘の角度も、小指の曲がり具合も知らない。マウス操作について受け取るのは、主としてX・Y方向の相対入力とボタンの状態だ。ならば、まず入力側から身体の使い方を考えてみたい。

この全4回では、Ryanguru式をきっかけに、手首支点の力学、donkのグリップ、運動制御研究を順に検討する。ただし、既存のコーチングを科学で権威づけることが目的ではない。確認できた説明、計算で言えること、まだ試していない仮説を分けることから始める。

目次

  1. ゲームへ届くのは「身体の分類」ではない
  2. Ryanguru式について、本人の公開資料から言える範囲
  3. ペン先を考えると、身体部位と目的の違いが見えやすい
  4. 一つの結果を、いくつもの関節の組み合わせで作れる
  5. 最も強い反論：入力を説明できても、練習法の効果は証明できない
  6. 今回の結論：身体部位は、結果を作る手段として見る

ゲームへ届くのは「身体の分類」ではない

光学マウスは、底面から見える表面の画像の変化を利用して相対変位を推定する。通常のマウスのX・Y出力は、その時々のセンサーの軸を基準とする。本体が回った角度そのものを、一般的なマウス入力として別に送っているわけではない。[1]

ここには落とし穴がある。センサーが机の上でどんな線を描いたかだけでは、ゲームへの入力は決まらない。同じ机上の右向き移動でも、マウスを90度回してから動かせば、本体から見た方向が変わる。本体とセンサーの軸が一致する通常の設定を仮定すると、ある向きではX、別の向きではYの入力になり得る。

さらに、同じ線でも速く通るか、途中で止まるか、切り返すかでプレイの結果は変わる。このシリーズでいう「センサーから考える」は、単なる線の形の話ではない。センサー位置・本体の向き・時間変化と、そこから生まれる入力を一緒に見る、という意味で使う。

図1　身体からゲーム内の結果まで

  1. 課題：いつ、どこへ照準を合わせたいか
  2. 身体と道具：肩・肘・手首・指が、支持面やマウスと相互作用する
  3. マウスの運動：センサー位置 p(t) ＋ 本体の向き θ(t)
  4. 入力：各時刻のローカル変位 Δx・Δy
  5. ゲーム：感度等で視点移動に変換され、画面の変化を見て修正する

筆者作成。上から下への一方向の命令系ではなく、見え方・触覚などを通じて修正される循環として読む。

Ryanguru式について、本人の公開資料から言える範囲

Ryanguru本人の2022年の基礎講義には、説明欄に「エイムの基準」（3:06）、「センサーの特性」（5:29）、「軸について」（9:28）、「手首、腕エイムとは」（11:00）という章がある。センサーと身体の関係が、本人の講義で扱われていることは確認できる。[2]

ただし、今回確認できたのは動画の公開情報と章立てであり、本編の逐語的な照合まではできていない。「腕や手首を一切意識してはいけない」「常にセンサーの向きだけを見ればよい」といった強いルールを、本人の発言としてここに追加することは避ける。KHとの対談動画にもセンサーを基準にするという題名があるが、題名は指導体系全体の代わりにはならない。[3]

現在の説明を考えるうえで、もっと直接的なのが本人のnoteだ。2025年の記事の公開導入では、学習を目の使い方、体の使い方、センサーの理解の順で構成している。[4] 2026年の「体の使い方」の公開序論では、視線同期を、プレイヤー側の視線とゲーム内の視線を一体として扱う状態として説明している。[5]

つまり、Ryanguru式全体を「腕を忘れてセンサーだけに集中する方法」と縮めるのは正確ではない。本記事が取り出すのは、操作対象側を基準にして身体の動きを考え直すという着想である。これは筆者の分析上の整理であり、有料教材の内容を再現したものでも、本人による学術的な定義でもない。

また「視線同期」は本人の指導用語として扱う。眼球運動とゲームのカメラ回転が同じ数値になる、完全に同時になる、といった測定上の意味へ勝手に置き換えない。視線計測を含む検証がなければ、どの生理的状態に対応するかは別の問いとして残る。

ペン先を考えると、身体部位と目的の違いが見えやすい

字を書くとき、紙に残るのは肘の軌跡ではなくペン先の軌跡だ。読みやすい字を作るという課題に対して、ペン先は重要な「作業の先端」、すなわちtask endpointになる。指だけで描くか、手首も使うかは、それを実現する方法の違いだ。

これは単なる比喩だけではない。Dounskaiaらは、筆記に似た描線・描円課題でペン先を計測し、指と手首の組み合わせ方によって速度やばらつきが異なることを報告した。速く円を描く条件では、両者の協調の変化とともに軌跡が楕円へ移る傾向も見られた。[6] 複数の部位を使うこと自体ではなく、その組み合わせが結果に関わっている。

ペンをある点で保持し、そこからペン先までの距離をLとする。保持点を動かさず、ペンの向きだけに小さな角度誤差δθが生じる単純モデルなら、先端の位置ずれの大きさはおよそ次になる。

\lVert\delta\mathbf p\rVert \approx L\lvert\delta\theta\rvert

角度はラジアンで表す。小さな傾きでも、先端が遠ければ位置のずれは大きくなる、という幾何学だ。ただしこれは「ペン先に近ければ必ず字が上手い」という実験結果ではない。持ちやすさ、筆圧、可動範囲、他の関節による補償は、この式には入っていない。

小指側や手首を紙に接触させることも、それだけで間違いにはならない。支持は余計な動きを抑え、必要な自由度を残せる可能性がある。「接触している」ことと「一点を絶対に動かさない運動規則にしている」ことは別だ。

なお、ペンは紙に直接線を残すが、マウスは相対入力をゲーム内の視点移動に変換する。筆圧や傾きが関わる筆記と、平面上を滑るマウスは同じ機械系ではない。この類似は、身体部位と作業の結果を区別するための類推として使う。

一つの結果を、いくつもの関節の組み合わせで作れる

手を同じ場所に置いたままでも、肘の位置を少し変えられる。これが、人間の動きを考える面白さだ。身体の状態を、肩・肘・手首などの角度で表すのがjoint space。課題に必要な手先の位置や道具の向きで表すのがtask spaceである。endpoint spaceは、とくに先端の位置などに注目した表現だ。

自由度とは、状態を記述するために独立に変えられる変数の数をいう。「腕・手首・指の3自由度」という意味ではない。指にも複数の関節があり、マウスとの接触や関節同士の連動によって、実際に使える動きは制約される。

課題達成に必要な数より、利用できる身体の変数が多い状況をmotor redundancyと呼ぶ。余りが無駄という意味ではなく、同じ結果に至る選択肢があるということだ。この選択肢をどうまとめるかは、Bernstein以来の自由度問題として議論されてきた。[7]

ここで参考になるのがuncontrolled manifold、略してUCMという分析だ。難しい名前だが、要点は「関節の変動を、課題の結果を変える方向と、変えない方向に分けて見る」ことにある。[8] たとえば指のずれを手首が補って先端がほぼ同じ位置に来るなら、身体の姿勢が毎回完全に一致していなくても結果は安定し得る。

ただし、これは脳が必ずペン先やマウスセンサーの座標だけで命令しているという証明ではない。外から見た協調の説明と、神経系の内部で使われる表現は分けなければならない。UCMをマウスに適用するなら、まず何を安定化したい変数とするかを定め、関節と道具の運動を同時に測る必要がある。

最も強い反論：入力を説明できても、練習法の効果は証明できない

ここまでの話に対する強い反論は、「結局、どんな持ち方でも結果としてセンサーが動く。それを言い換えただけではないか」というものだ。この反論はもっともである。

「センサーが入力を生む」は装置の説明。「複数の関節が協調できる」は運動の説明。「センサーを意識すると上達する」は練習介入の効果。この3つは違う主張だ。前の2つが妥当でも、3つ目が自動的に成立するわけではない。

今回確認した資料と検索範囲では、Ryanguru式を明示して他の指導法と比較した査読付き対照実験は見つからなかった。存在しないと断定できるほど網羅的な調査ではないが、少なくとも本シリーズは「Ryanguru式が科学的に証明された」とは扱わない。コーチング後の好成績や本人の体験談も、練習量・期待・選手の選抜などの影響を分離した実験ではない。

同様に、物理的なセンサー位置と、自分が操作の中心だと感じる場所が一致する保証もない。センサーを強く意識することが助けになる人も、かえって注意を奪われる人も考えられる。これは検証すべき仮説だ。

今回の結論：身体部位は、結果を作る手段として見る

  • 腕AIM・手首AIMは動作の説明には便利だが、入力や性能を十分には表さない。
  • センサーの机上軌道だけでなく、本体の向きと時間変化が必要になる。
  • 運動制御研究は、異なる身体の組み合わせで結果を安定させる見方を与える。特定のエイム指導法の証明とは別である。

私がいま採用したいのは、「腕か手首か」から一歩戻り、必要な入力を、どんな身体と道具の組み合わせで作るかと問う姿勢だ。

では、その見方からすると、手首を支点にする操作は悪いのだろうか。次回は「センサーが円弧を描くから水平AIMができない」という直感を、座標変換から検算する。結論を先に言えば、その直感は理想モデルでは成り立たない。

参考文献・資料

  1. Sunjun Kim, Byungjoo Lee, Thomas van Gemert, Antti Oulasvirta. Optimal Sensor Position for a Computer Mouse. CHI 2020, 2020. 著者公開版全文 https://arxiv.org/pdf/2001.03352 を確認。14名の実験、800 CPI、2D pointing。
  2. 량글(Ryanguru). [必須視聴]FPSプロのエイムコーチが教えるエイム講義-基礎 (JP SUB). YouTube, 2022-10-18. 本人チャンネル・日付・説明欄の章時刻を確認。動画本編の再生と字幕取得は不成立。章題以上の発言は未確認。
  3. KH / Killin9Hit. 動きの基準がマウスセンサーになる話をするKH&Ryanguru先生. YouTube, 公開年の確定は未了. 本人出演とされる対談。公開タイトル・チャンネルを確認。本編未検証のため詳しい発言の根拠にしない。
  4. Ryanguru. Ryanguru式エイム - 1. 目の使い方（視線同期化）. note, 2025-03-05. 公開導入のみ。本文は有料・未閲覧。
  5. Ryanguru／合同会社Lunomi. Ryanguru式エイム - 2 体の使い方. note, 2026-06-26. 公開序論・目次・手の構造の冒頭のみ。有料部分は未閲覧。
  6. Natalia Dounskaia, Arend W. A. Van Gemmert, George E. Stelmach. Interjoint coordination during handwriting-like movements. Experimental Brain Research 135, 127–140, 2000. 出版社要旨・書誌を確認。右利き9名の描線・描円課題、左利き2名による追加確認。
  7. Valère Martin, Hendrik Reimann, Gregor Schöner. A process account of the uncontrolled manifold structure of joint space variance in pointing movements. Biological Cybernetics 113, 293–307, 2019. 公開全文の導入・モデル説明を確認。要旨のaffect/do not affectの逆転を本文のUCM定義で照合。
  8. John P. Scholz, Gregor Schöner. The uncontrolled manifold concept: identifying control variables for a functional task. Experimental Brain Research 126, 289–306, 1999. 出版社要旨・書誌を確認。原実験は立ち上がり動作。FPSではない。

資料確認日：2026年9月10日。数式・模式図は筆者作成。研究と本記事の推論を区別し、未確認資料の内容は補っていない。

全4回：身体とセンサーから考えるAIM

donkのマウスグリップには意味があるのか――浮いた手首と小指をどう解釈するか

全4回：身体とセンサーから考えるAIM

donkのマウスの持ち方は、なぜこれほど話題になるのだろう。手首を浮かせ、小指を曲げ、マウスを前寄りで扱う――そう説明される形には、一見すると不思議な点が多い。

けれど、「強い選手が使う形」から「強くなる形」への飛躍には注意が必要だ。本人の身体、道具、練習歴を飛ばして、外見だけを原因にできない。

今回は、公式資料で確認したこと、第三者が報告していること、条件付きで計算できること、まだ実験していない仮説を分ける。結論を先取りすると、各特徴には力学的に考えられる意味がある。しかし、donkの性能への寄与を実証したことにはならない。

目次

  1. まず観察の限界をはっきりさせる
  2. 仮説1～3：手首の接触を外し、前腕の支持を残す
  3. 仮説4：センサーまでの距離が短ければ有利なのか
  4. 仮説5・6：親指と小指で、何を制御しているのか
  5. 仮説7・8：薬指を外すと、余計な力が減るのか
  6. 最も強い反論：これは、強さを見てから作った物語ではないか
  7. 今回の結論：特殊な形は、検証する問いを作る

まず観察の限界をはっきりさせる

［観察事実］ESL Counter-StrikeとTeam Spiritの公式共同投稿には、donk本人のタグが付いた約17秒のマウス操作映像がある。2026年6月6日公開の「scary control of the mouse. #IEM」だ。[1] 確認できた全景では、選手の背後側から、机に向かう前腕とマウスを扱う手が見える。

ただし、この全景から手首下面とパッドの隙間、指ごとの接触、底面センサーの位置を同時に確定することはできなかった。全区間を十分な解像度で照合できていないため、以下の細部をこの公式映像で実証済みとは扱わない。

［第三者報告］2025年のКик記事は、手首がパッドに触れず、中指がホイール側にある形を「1-3-1」と説明している。[2] 一方、2026年のEscorenews記事は、Bileyという別のプレイヤーの模倣体験を通じ、親指と小指、前寄りの保持などを紹介している。[3] 後者の再現写真を、donk本人の接触状態を写したものとして読むことはできない。

よく言われる特徴 本記事での扱い
手首を大きく浮かせる 第三者報告あり。常時の非接触は公式資料から未確定
前腕側に支持を残す 全景では机へ向かう前腕が見えるが、支持力の大きさは不明
手を前方へ乗せる 第三者説明。手首・センサー間距離の実測なし
小指を強く曲げ、右側へ置く 議論される特徴。関節角度・接触位置の一次確認は不十分
薬指が側面を離れる／親指と小指で保持する 第三者説明から立てる仮説。実際の力の分担は不明

したがって、claw、palm、fingertip、1-2-2、1-3-1のいずれかに無理に確定しない。分類は見た目の整理には使えるが、押している力や、その瞬間に使える動きを表してはいない。場面ごとに配置が変わる可能性も残る。

観察を追試するなら、参考文献[1]の公式映像で、前腕と机の関係が見える全景、手首下面が見える横方向、指が隠れない上方向を区別して確認してほしい。ここで近接場面の秒数を示していないのは、その場面を確実に照合できていないためだ。下の議論は、この制約を踏まえた条件付き分析である。

仮説1～3：手首の接触を外し、前腕の支持を残す

［物理的帰結・条件付き］手首がパッドと本当に接触していなければ、その場所の接触摩擦と、そこを支点にする拘束は生じない。この限定された意味では、手首を浮かせることで「不完全なwrist pivot」を除去できる。

［研究からの推論］皮膚と表面の摩擦は、水分や接触条件などによって変わる。[4] したがって、その接触自体をなくすことが、手首で生じる抵抗の変動を減らす可能性はある。ただし、donkの手首摩擦や入力のばらつきを測った結果ではない。

［仮説］前腕の一部を机で支えつつ、手首と指の動きを残すなら、腕全体を完全に宙に保持する状態とは違う。支持と可動性の両立という解釈は可能だ。しかし、どこが何Nを受け持っているかは外見では分からない。

反対側の可能性もある。手首を浮かせるために筋活動が増えたり、マウスへ荷重を移して底面摩擦が増えたり、指で強く挟む必要が生じるかもしれない。前腕の接触も摩擦を持つ。「手首の皮膚摩擦がなくなる」と「運動全体が軽く、安定する」は別の主張だ。

第2回で確認したように、安定した支点は精度を支える拘束にもなれる。それを外すことには、余計な抵抗を減らす可能性と、便利な支持を失う可能性の両方がある。

仮説4：センサーまでの距離が短ければ有利なのか

［物理的帰結］ある回転中心からセンサーまでの距離をrとする。中心を固定して角度だけがδθずれた場合、位置ずれの大きさは、厳密には次の弦の長さになる。

\lVert\delta\mathbf p\rVert=2r\sin\left(\frac{\lvert\delta\theta\rvert}{2}\right)\approx r\lvert\delta\theta\rvert

0.5度の誤差なら、r = 60 mmで約0.524 mm、r = 30 mmで約0.262 mmだ。小さい角度はラジアンに直して計算する。これは同じ角度誤差を仮定したときの幾何学であり、距離を短くすれば人間の角度誤差が変わらない、という実験結果ではない。

［仮説］手を前へ乗せることで実効的な回転中心とセンサーが近づくなら、この効果を得る可能性がある。ただし、外見上の手首の位置と回転中心は同じとは限らず、センサー位置も必要だ。donkについて距離が短いと実測したわけではない。

短くすると、同じ入力距離を作るのに大きな回転角が要る。感度を上げて帳尻を合わせるなら、ゲーム内の誤差低減が消える場合もある。簡単な線形モデルでゲーム内角度の誤差を \delta\phi\approx g r\delta\theta とすれば、rを半分、換算倍率gを2倍にしたとき、同じδθに対するδφは変わらない。

［研究上の事実］KimらのCHI 2020論文では、14名による画面上のポインティング課題で、マウスの前後方向のセンサー位置を比較した。集団平均では中央が良い折衷点で、前端・後端よりスループットが11～14％高かった一方、最良位置には個人差があった。[5]

これは「最も手首に近い位置が全員に最適」という単純説を支持しない。しかも、センサー位置を変える実験と、手を前へ乗せる操作は別の介入である。CS2の照準、プロの長期適応、donkの指配置の効果を直接調べたものでもない。物理的センサー位置と、本人が感じる操作中心の一致も、この結果だけからは言えない。

仮説5・6：親指と小指で、何を制御しているのか

［仮説］もし左右の主な接触が親指と小指なら、その接触を手掛かりにマウス本体の向きを感じ取り、回転を調整する可能性がある。小指を曲げることも、右側の接触を手前へ置くための方法かもしれない。ただし、どちらも接触位置・知覚・力の実測を必要とする。

「センサー近くを挟めばyawを抑えられる」という説明には、さらに注意が必要だ。yawとは上から見た本体の回転である。力が回転を起こす作用、トルクは、重心からの位置と力の向きで決まる。

\tau_z=\sum_i(r_{i,x}F_{i,y}-r_{i,y}F_{i,x})+\tau_{\mathrm{pad}}

ここでrは重心から各接触点へのベクトルだ。左右の力が同じ前後位置で正反対に釣り合えば、それらの合力とトルクは相殺できる。一方、前後にずれた点で押すと、力の大きさが同じでも回転を作り得る。接触点の数だけでは結果は決まらない。

図3　グリップを「指の名前」から「力の作用」へ読み替える

 
前
● S
左の力 →
← 右の力
同じ高さの反対向きの力：相殺できる一例
上から見た接触 決まるもの 写真では分からないもの
左側の接触点 → マウス ← 右側の接触点 力を加えられる位置・方向の候補 左右の実際の力、皮膚の接触面積
前後にずれた左右接触点 横力が作るyawトルクの腕の長さ 力の相殺、パッドからの抵抗
底面のセンサー S 相対変位を測る位置 重心や力の中心との一致

筆者作成の概念図。donkの接触位置や力を再現した図ではない。センサーは観測点であり、力学的に特別な支点ではない。

［物理的帰結］センサーは移動を観測する点であり、マウスの重心でも、回転が自然に止まる特別な点でもない。センサーに近いところを持つことだけで、慣性モーメントが小さくなるわけではない。触覚的に使いやすい基準となる可能性と、回転力学の説明は分ける必要がある。

小指の屈曲によってどの方向の力が出しやすくなるかも、指の長さ、関節姿勢、側面形状、接触面で変わる。「曲げるほど制御しやすい」という単調な関係は仮定できない。

仮説7・8：薬指を外すと、余計な力が減るのか

［仮説］薬指が側面を押さない場面では、その接触から加わる横力がなくなる可能性がある。しかし、もともとほとんど力を出していなければ変化は小さいし、他の指が負担を引き受ければ力の配分が変わる。押す点が減れば常にyawが減る、とは言えない。

［研究上の事実］Zatsiorskyらは、ある指で力を出そうとすると、指示していない指にも力が生じるfinger enslavingを調べた。10名の最大随意等尺性力課題では、隣接する指の影響などが観察されている。[6] 指の力が完全には独立しない、という見方を支える。

ただし、薬指と小指の小さな動きに、最大力課題で得た割合をそのまま当てはめることはできない。神経的な連動も含まれるため、「同じ腱だから動かせない」とだけ説明するのも粗い。薬指を側面から外せば、神経的な連動そのものが消えるわけでもない。

さらに、複数の指は互いの誤差を打ち消すこともできる。ShimとParkの円形ハンドル保持実験は、指の力とモーメントの協調によって全体の結果を保つ仕組みを扱っている。[7] マウスそのものの実験ではないが、「指が多いほどノイズが増える」という説明に対する重要な反例の方向を示す。

［研究からの推論］接触を減らすことが、ある人には操作の単純化となり、別の人には安定化の手段を失うことになり得る。donkの薬指配置を有利と判定するには、同じ課題での力、トルク、入力誤差を測る必要がある。

最も強い反論：これは、強さを見てから作った物語ではないか

その疑いは残る。成功している選手の特徴を探し、もっともらしい利点を後から並べるだけなら、どんな形でも説明できてしまう。

代替説明には、手の大きさ、指の長さ、マウス形状、感度、長年の適応、プレースタイル、単なる癖がある。熟練したからこそ、その形でも細かく補償できている可能性もある。現在のフォームが強さの原因なのか、長期練習の結果なのかは、写真では決められない。

同じ形を試してうまくいかなかった人が目立たず、成功者だけが観察対象になるなら、生存者バイアスも働く。Bileyの体験談は興味深いが、練習効果や期待、慣れを分離した比較実験ではない。[3]

初心者が外見だけを模倣すると、慣れた支持を失い、握力や保持の負担を増やす可能性がある。短期的に扱いにくいことが永続的な不適合の証拠になるわけでもないが、donkに似ていることを理由に精度低下や不快感を無視する必要はない。

今回の結論：特殊な形は、検証する問いを作る

  • 手首の非接触は、その場所の摩擦と拘束を除く。しかし操作全体の利点は未確定。
  • 回転半径を短くしたときの誤差低減は条件付きであり、可動範囲と感度との交換関係がある。
  • 左右の指は位置だけでなく力とトルクで評価する。少ない接触が常に有利とは限らない。

donkのグリップを、支持を残しながら手首と指の自由度を使う例として解釈することはできる。ただし、公式資料での細部確認と運動計測が不足している現状では、本人がその戦略を使っているとも、その形が最適だとも断定しない。

次回はこの限界も含め、シリーズの出発点へ戻る。「良いAIMフォーム」を、特定の身体部位や持ち方以外の言葉で、どこまで定義できるだろうか。

参考文献・資料

  1. ESL Counter-Strike（eslcs）／Team Spirit（team__spirit）. scary control of the mouse. #IEM. Instagram共同投稿, 2026-06-06. 本人タグと公式共同投稿を確認。約17秒。確認できた全景フレームのみ使用。手首下面・指ごとの力は判定不能。
  2. Даниил Матвеев（Daniil Matveev）. donk очень странно держит мышку. Такой хват помогает играть лучше?. Кик（Kick-or-Die）, 2025-02-12. 第三者記事。手首非接触・1-3-1との記述を確認。画像原出典はSNS/HLTVとしか示されない。フォーム効果・健康の断定は採用しない。
  3. Dmitrii Barabanov. Want to know how to shoot and aim like donk? Try changing your mouse grip in CS2. Escorenews, 2026-07-06. 第三者Bileyの60日体験の紹介。親指・小指、手首非接触の記述。科学的有効性の根拠ではない。
  4. S. Derler, L.-C. Gerhardt. Tribology of Skin: Review and Analysis of Experimental Results for the Friction Coefficient of Human Skin. Tribology Letters 45, 1–27, 2012（オンライン2011）. 出版社要旨・書誌・参考文献を確認。一般的な皮膚摩擦のレビュー。
  5. Sunjun Kim, Byungjoo Lee, Thomas van Gemert, Antti Oulasvirta. Optimal Sensor Position for a Computer Mouse. CHI 2020, 2020. 著者公開版全文 https://arxiv.org/pdf/2001.03352 を確認。14名の実験、800 CPI、2D pointing。
  6. Vladimir M. Zatsiorsky, Zong-Ming Li, Mark L. Latash. Enslaving effects in multi-finger force production. Experimental Brain Research 131, 187–195, 2000. 出版社要旨・書誌を確認。10名の最大随意等尺性力課題。小さなマウス操作へ数値を外挿しない。
  7. Jae Kun Shim, Jaebum Park. Prehension synergies: principle of superposition and hierarchical organization in circular object prehension. Experimental Brain Research 180, 541–556, 2007. 出版社要旨・書誌を確認。円形ハンドルの静的保持と外部トルク。

資料確認日：2026年9月10日。数式・模式図は筆者作成。研究と本記事の推論を区別し、未確認資料の内容は補っていない。

全4回：身体とセンサーから考えるAIM

円弧を描くのに、なぜ水平AIMになる？――手首を支点にするマウス操作の力学

全4回：身体とセンサーから考えるAIM

手首を置いて左右に振ると、マウスのセンサーは机の上で円弧を描く。だったら照準も上下に曲がり、水平AIMには不利なのではないか。

もっともらしい説明だ。しかし、その推論にはマウス本体も一緒に回っているという事実が抜けている。今回はここを計算し直す。理想条件なら、机上では円弧なのに、入力は純粋なX方向になり得る。

第1回では、身体部位からではなく入力側から操作を見る視点を紹介した。今回はその視点が、直感的な説明の誤りをどこまで正せるかを確かめる。

目次

  1. 机の右と、マウスの右は同じとは限らない
  2. 固定された支点を、剛体運動として解く
  3. 横ずれと、動く支点を加えるとどうなるか
  4. 数値で確認する：机上のY変位と、入力のYは違う
  5. 現実の手首は、金属のヒンジではない
  6. 支点は、良い拘束条件にもなれる
  7. 今回の結論：円弧を理由に、手首AIMを否定できない

机の右と、マウスの右は同じとは限らない

マウスの上に小さな矢印を描いたつもりになってほしい。本体の右向きをlocal X、先端へ向かう前向きをlocal Yとする。この矢印は、マウスが回れば一緒に回る。一方、机に描いた右・前の矢印は動かない。後者をグローバル座標と呼ぶ。

光学マウスの入力を考えるときに必要なのは、その瞬間の移動がセンサーの軸から見てどちらを向くかだ。センサー位置の研究でも、本体の並進と回転を区別してモデル化している。[1] ここではセンサー軸が本体軸と一致し、平面上で正確に追跡する理想マウスを考える。設定による軸回転、リフトオフ、追跡誤差はこの理想化の対象外である。

図2　机上では円弧、マウスから見れば横方向

 
 
固定 pivot P
 
r
 
 
センサー S
 
◀
接線速度 v：local −X
本体の前後軸：local Y
机上の軌道は円弧
 
P が動けば並進項も加わる
上から見た図。反時計回り。円の破線はセンサーの候補位置。

筆者作成。P→Sが本体の前後軸と平行な瞬間を表示。回転すれば本体の軸も一緒に向きを変える。赤い点線はpivot driftの概念表示で、実測ではない。狭い画面では横スクロール可能。

固定された支点を、剛体運動として解く

マウスを変形しない物体、つまり剛体とする。Pはその剛体に対して位置が変わらない基準点だ。理想的な固定支点なら、Pは机に対しても静止する。センサーをS、PからSへの本体座標でのベクトルをr = (a, b)と置く。aは左右のずれ、bは前後の距離である。

上から見て反時計回りを正の角度θ、角速度をωとする。本体座標を机の座標へ回す行列Rは次になる。

R(\theta)=\begin{pmatrix}\cos\theta&-\sin\theta\\\sin\theta&\cos\theta\end{pmatrix},\qquad \mathbf p_S=\mathbf p_P+R\mathbf r

時間で微分すると、センサー速度は「Pの並進速度」と「Pの周りの回転による速度」の和になる。

\mathbf v_S=\mathbf v_P+\boldsymbol\omega\times(R\mathbf r)

よく書かれる \mathbf v_S=\mathbf v_P+\boldsymbol\omega\times\mathbf r は、rも速度と同じ座標系で表した場合の式だ。ここではrを本体座標で定義したので、机の座標で計算する外積にはRrを入れている。

知りたいのは、本体から見た速度だ。逆向きの座標変換Rの転置を掛けると、驚くほど簡単になる。

\mathbf v_{\mathrm{local}}=R^T\mathbf v_P+\omega\begin{pmatrix}-b\\a\end{pmatrix}

したがって、成分ごとには次の式になる。

v_{\mathrm{local},x}=v_{P,\mathrm{local},x}-\omega b,\qquad v_{\mathrm{local},y}=v_{P,\mathrm{local},y}+\omega a

固定支点ならPの速度はゼロだ。さらにPからSへ向かう線がマウスの前後軸と平行ならa = 0。このとき、回している間も常にlocal Y速度はゼロになる。

v_{\mathrm{local},x}=-\omega b,\qquad v_{\mathrm{local},y}=0

つまりセンサーは、円の接線に沿って動き、その接線が常にマウスの横方向を向く。机上で円弧を描くことと、Y入力が出ることは同じではない。なお、実際のデバイスでYの正方向がこの説明と逆でも、Yがゼロになる条件は変わらない。

横ずれと、動く支点を加えるとどうなるか

条件 local Y速度 読み方
固定P、a = 0 0 理想的な純X入力
固定P、a ≠ 0 ωa 回転によってYも生じる
Pが移動、a = 0 Pのlocal Y速度 支点の並進が加わる
Pが移動、a ≠ 0 Pのlocal Y速度 + ωa 足し合わさる場合も、相殺する場合もある

回転中でもpure Xになる一般条件は、 v_{P,\mathrm{local},y}=-\omega a だ。だから「支点が動いたら必ず悪化する」も言い過ぎである。別の関節の動きが、回転によるY成分を打ち消す場合もある。

一方、固定Pでaがゼロでなければ、回転成分の比は v_y/v_x=-a/b となる（b ≠ 0）。本体に対する支点の横ずれが、入力方向の偏りになるという、検証可能な予測だ。手首の見た目の位置からaを正確に測れたことにはならない点に注意したい。

ここまでのPは、剛体に固定された基準点である。現実の「その瞬間に回っている中心」が時間とともに移る場合、それを同じ物質点のように微分してはいけない。もし一般に \mathbf p_S=\mathbf p_P+R\mathbf r(t) と置くなら、local速度にはさらに \dot{\mathbf r} が加わる。移動する接触点を、固定支点の式へ無条件に代入することはできない。

数値で確認する：机上のY変位と、入力のYは違う

前後距離bを60 mmにし、1秒間に30度、反時計回りに回す。開始時の本体軸と机の軸を一致させた。次の値は実機測定ではなく、上の式を数値計算で検算した結果だ。「localの積算」は、その瞬間ごとの本体軸で速度を読み、足し合わせた量を指す。

条件 机上のΔX / ΔY（mm） local積算X / Y（mm相当）
固定P、a = 0 −30.000 / −8.038 −31.416 / 0.000
固定P、a = 10 mm −31.340 / −3.038 −31.416 / 5.236
a = 0、Pが机のY方向へ5 mm/s −30.000 / −3.038 −30.137 / 4.775

最初の行では、机上でYが約8 mm変わっているのに、入力のYはゼロだ。これが座標を区別する意味である。計算では2万分割し、位置の差分から得た速度と解析式を照合した。差の最大値は約1.2 × 10−9 mm/sで、丸め前の値について整合を確認している。

理想的な入力は、概念的には次の積分で表せる。κはmmからカウントへの換算係数で、CPIを使うならCPI / 25.4である。

\mathbf c=\kappa\int R(t)^T\dot{\mathbf p}_S(t)\,dt

回転する座標系なので、「最後の向きで、始点と終点を結ぶ直線を一度だけ変換する」のとは違う。現実のセンサーは有限時間の画像から移動を推定し、量子化されたカウントを報告する。回転する画像の処理、表面、設定による誤差まで、この積分が保証するわけではない。Kimらも実機の回転時の応答を含めてモデルを検証している。[1]

また円運動には中心向き加速度があるが、それは速度の向きが変わることを表す。中心向き加速度そのものが、光学マウスのY入力として送られるわけではない。速度に応じて入力倍率を変えるソフトウェア上の「マウス加速」とも別の概念だ。

現実の手首は、金属のヒンジではない

理想支点の有効性は分かった。では、手首をパッドに置けば、その条件をそのまま作れるだろうか。

ここからは証拠の強さを切り替える。皮膚摩擦の研究では、摩擦は単一の定数ではなく、皮膚の水分状態、相手面、接触圧や変形などに依存することが整理されている。[2] ただし、これはFPS中の手首支点を直接測った研究ではない。

接地した手首を考えると、接触は有限の面積を持ち、皮膚や軟部組織が変形する。圧が変われば接触の仕方も変わり得る。固着したままの変形、滑り始め、滑っている状態、接触領域が転がるように移る状態を、すべて「一点の固定」と呼ぶのは粗い。

そこから推論できるのは、実効的な拘束が可変になり得ることまでだ。実際のAIMでどれほど滑るか、どの動作で瞬間回転中心が移るか、それが命中率をどれだけ変えるかは、手首・手・マウスの同時計測なしには言えない。皮膚摩擦の一般論を、手首AIMの失敗原因として確定させない。

さらに、マウスは手の骨と一体の剛体ではない。指の伸び縮み、グリップ内の微小なずれ、前腕の移動によって、並進と回転が混ざる。身体がそれを補償しているなら、見かけ上「不完全な支点」でも、結果は安定するかもしれない。

支点は、良い拘束条件にもなれる

動かせる方向を減らすことには意味がある。理想的なヒンジは、二次元平面での位置と向きの変化を、ほぼ一つの回転角で表せるようにする。目標に合う向きの入力を作れるなら、機械的な支持が不要な運動を抑える助けになり得る。

一方、回転範囲には限りがあり、大きな振り向きや縦方向の調整では別の動きが必要になる。停止・反転時の力の変化にどう対応するかも、円弧の幾何学だけでは分からない。拘束が安定しているだけでなく、必要な課題に適合しているかが重要だ。

支点を使うことで期待できること 条件・限界
動きの選択肢を減らせる 減らした方向が、その課題に不要であること
支持によって姿勢を保ちやすくする 実際の負担や精度は支持場所・姿勢で変わる
回転から一定方向の入力を作れる 本体に対する支点位置と並進成分が関わる

これらはモデルからの予測や研究に基づく推論であり、「接地すれば何％当たる」という測定結果ではない。自由度を残す戦略にも、それを協調させる学習と力の調整が必要になる。どちらか一方を万能にする根拠はない。

今回の結論：円弧を理由に、手首AIMを否定できない

  • 固定支点がセンサーの前後軸上にあれば、理想的な回転は純粋なX入力を作れる。
  • 横ずれや並進があればY成分は変わる。並進が回転成分を補償する場合もある。
  • 現実の支持は皮膚・摩擦・関節の協調を含み、理想支点と同一ではない。

問いは「手首を置くか、浮かせるか」だけでは終わらない。支持がどの動きを制約し、その制約が必要な入力にどう役立つかを見る必要がある。

次回はdonkのグリップを題材にする。手首を浮かせたように見える形を、「支点をなくしたから正解」と評価するのではなく、支持と自由度の配分を考えるための仮説として読む。

参考文献・資料

  1. Sunjun Kim, Byungjoo Lee, Thomas van Gemert, Antti Oulasvirta. Optimal Sensor Position for a Computer Mouse. CHI 2020, 2020. 著者公開版全文 https://arxiv.org/pdf/2001.03352 を確認。14名の実験、800 CPI、2D pointing。
  2. S. Derler, L.-C. Gerhardt. Tribology of Skin: Review and Analysis of Experimental Results for the Friction Coefficient of Human Skin. Tribology Letters 45, 1–27, 2012（オンライン2011）. 出版社要旨・書誌・参考文献を確認。一般的な皮膚摩擦のレビュー。

資料確認日：2026年9月10日。数式・模式図は筆者作成。研究と本記事の推論を区別し、未確認資料の内容は補っていない。

全4回：身体とセンサーから考えるAIM

良いAIMとは何か――身体とセンサーをつなぐ運動戦略として考える

全4回：身体とセンサーから考えるAIM

「腕で狙うのか、手首で狙うのか」。3回の検討を経て、この問いへの答えは、最初より少し慎重になった。

第1回では、入力側から身体を見る着想を紹介した。第2回では、理想的な手首支点が円弧から水平入力を作れることを確かめた。第3回では、donkのグリップに考えられる意味と、外見からは決められないことを分けた。

今回は、これらを統合する。ただし、当初の「必要なセンサー軌道を再現できれば良い」という仮説も、そのまま結論にはしない。軌道は大切だが、何のために、いつ、どの程度の負担で動かすかまで含めなければ、良いAIMを十分には表せないからだ。

目次

  1. センサーは重要な中間変数だが、課題そのものではない
  2. 「拘束型」と「endpoint型」は、二つの流派ではない
  3. 自由度は、多くても少なくても、それだけでは価値が決まらない
  4. Ryanguru式との接続も、二段階に分ける
  5. AIM techniqueを、足し算ではなく関係として書き直す
  6. フォームを試すなら、見た目より比較条件を揃える
  7. 最も強い反論を残したまま、結論を出す

センサーは重要な中間変数だが、課題そのものではない

照準を相手に合わせるとき、目標は必ずしも毎回同じ机上の線を描くことではない。相手が動けば修正が要る。途中で見え方が変われば、同じ入力を繰り返すことが、むしろ誤りになる。

ここでtask variable、つまり課題の成否を評価する変数を整理したい。クリック時の照準誤差、目標までの到達時間、追従中の誤差や遅れなどが候補になる。センサー位置と本体姿勢、そこから生じる入力は、それらを実現するための中間変数として重要だ。

関節の状態qから、マウスの位置pと向きθが決まり、そこから入力u、ゲーム内の結果へつながる。ただし、その関係は接触状態、滑り、デバイス、感度によって変わる。固定された関節角だけで全過程が決まるわけではない。

第2回の式で示したように、机上の線だけでは入力を一意に決められない。反対に、同じ入力を違う身体の組み合わせで作れる場合がある。「センサー軌道を中心に考える」という表現は、センサー運動・本体姿勢・時間・入力変換まで含めて考えると補って使うのが妥当だ。

「拘束型」と「endpoint型」は、二つの流派ではない

最初に考えた整理はこうだった。一方は、支点などで動ける方向を減らして安定させる。もう一方は、肩・肘・手首・指を協調させて先端を安定させる。

この違いには説明上の価値がある。前者は機械的な支持を利用する安定化、後者は複数の運動を補い合わせる安定化と呼べる。ただし、独立した二分類にすると問題がある。

支点を使う人も、筋力で止め、指で補い、視覚情報で修正している。手首を浮かせる人も、マウス底面や前腕の支持、関節の構造に制約される。endpointを安定させることは、支持を使う戦略の目的にもなり得る。したがって「Constraint型 vs Endpoint型」は、目的と手段の異なる水準を混ぜた分類でもある。

図4　支持と協調は、同じ操作の中で併用できる

操作局面 利用する拘束の例 残す協調の例 評価する結果
小さな照準修正 前腕や手の接触 指と手首の微調整 停止位置と所要時間
大きな振り向き マウス底面の平面支持 肩・肘・手首の連動 必要角度への到達
追従・反転 局面で変わる接触圧 移動とブレーキの調整 追従誤差と遅れ

筆者の整理例。特定選手の測定結果や、推奨フォームの処方ではない。

より適切なのは、どこにどれだけ支持を置き、どの自由度を残し、どう協調させるかという配分を見ることだ。一人のプレイヤーの中でも、小さな修正と大きな振り向きでは、その配分が変わる可能性がある。

この理由から、donkを外見だけで「endpoint型の選手」と分類することも避けたい。まして、写真から本人の脳内の制御方式を推定することはできない。

自由度は、多くても少なくても、それだけでは価値が決まらない

学習初期にいくつかの関節を固め、慣れると動きを解放していくという説明は、freezing / freeing degrees of freedomとして知られる。ただし「初心者は固定、上級者は全部自由」という一方向の階段ではない。

Grayの野球打撃研究とその整理でも、学習に伴う変化は、どの関節・局面・協調関係を見るかで異なる。[1] FPSとは別の課題だが、自由度の数だけで熟練を判定しない理由になる。

同様に、UCMの考え方では、動きの変動を、課題の結果を変える方向と変えない方向に区別する。[2][3] 結果に影響しない関節の変化を、すべて除去しなければならないわけではない。

最適フィードバック制御も、課題に必要なことを達成しながら、結果に関係しない変動まで一律に抑えない協調を説明する理論である。[4] 人間のAIMがこの理論だけで説明できるという意味ではないが、毎回まったく同じ軌道を通ることを、無条件の理想にしないという点で重要だ。

必要なのは、自由度を増やすこと自体でも、固めること自体でもない。操作の範囲、速さ、精度、保持の負担に合った使い方を学ぶことだ。

Ryanguru式との接続も、二段階に分ける

Ryanguruの公開資料は、目の使い方、体の使い方、センサー理解という構成を持ち、2026年の公開序論では視線同期と身体の操作を接続して説明している。[5][6] そこから、身体部位だけに注意を向けず、操作対象と見え方から動きを捉える着想を得ることはできる。

しかし「この見方は運動制御研究と矛盾しない」と「この言葉で指導すれば他の指導より上達する」は違う。後者には、教材内容を明確にした介入、比較条件、十分な練習期間、課題外への転移の測定などが必要になる。

センサーを意識することが、身体の余計な固定を減らす人もいるかもしれない。逆に、視覚的な課題から注意をそらす人もいるかもしれない。いずれも、一般論から結論を出すことはできない。本シリーズでは、コーチングの有効性を証明したのではなく、その説明を検討する言葉を整えた、と位置づける。

AIM techniqueを、足し算ではなく関係として書き直す

当初の整理は「constraints + degrees of freedom + sensor trajectory」だった。覚えやすいが、学術的な等式としては成立しない。拘束は利用可能な自由度を変え、軌道はそれらを使った結果であり、互いに独立した同種の量ではないからだ。

私は次のように書き直したい。

AIM technique：課題の目標に対して、身体・支持・グリップ・デバイス・感度の制約の下で、利用可能な自由度と感覚情報を使い、必要な入力を生成・修正する、学習された運動戦略。

これは本シリーズの作業上の定義であり、既存論文で確立されたAIMの定義ではない。「身体のどこを動かすか」を消すのではなく、それを入力と課題へ結びつけて考えるための枠組みである。

また、精度だけを比べても不十分だ。十分ゆっくりなら当てられるフォームと、速く反応できるフォームは同じ評価にならない。マウスのセンサー位置研究も、速度と正確さを一緒に扱うポインティング指標を使っている。[7] FPSではさらに、停止、加速、反転、tracking、flick、sprayで必要な時間構造が変わる。

良い戦略とは、すべてを一つの点数で最大化する魔法の形ではなく、その人の課題で、速さ・誤差・負担の折り合いをつけられるものだと考える。

フォームを試すなら、見た目より比較条件を揃える

この枠組みは、特定の持ち方を勧めるためのものではない。それでも、自分の操作を検討するときの問いは具体的にできる。

  1. 困っている局面を選ぶ。小さな修正の行き過ぎ、反転の遅れ、長い追従の崩れなど、まず一つに絞る。
  2. 変える条件を絞る。支持場所を比較するときに、同時に感度・マウス・グリップも変えると原因を分けられない。
  3. 慣れと順序を考慮する。新しい条件に練習時間を設け、別の日も含めて順序を入れ替える。最初の数分と慣れたフォームだけの比較で決めない。
  4. 速さと誤差を両方記録する。クリック課題なら到達時間と外し方、追従なら誤差と遅れを見る。疲労感や不快感も別に記録する。
  5. 実戦に近い課題へ戻す。単純な水平移動だけで良くても、縦修正やspray、長時間の操作で同じとは限らない。

これは個人内での比較の提案であって、検証済みの練習メニューではない。ゲーム内の入力だけを記録しても、関節や接触力の原因までは特定できない。原因を確かめる実験なら、マウス姿勢、身体の動き、接触状態を同期して測る必要がある。

見た目がプロに近づいたかではなく、自分の条件で結果がどう変わったかを見る。負担や不快感が増えたときに、特殊な形を再現すること自体を優先する理由はない。

最も強い反論を残したまま、結論を出す

このシリーズの枠組みは、放っておくと「当たる動きが良い動き」という同語反復になり得る。まだ、身体寸法や支持位置から最適グリップを予測するモデルを作れたわけではない。

それでも、反証可能な問いは増えた。回転時のY入力が支点の横ずれと対応するか。手首接触を変えたときの入力変動は、接触状態の変化と同期するか。センサー基準の指導は、練習量を揃えた別の指導より成績を改善するか。これらは、実際に測って否定され得る。

一方、donkの成功を根拠にグリップの効果を確定したり、Ryanguruの用語を研究の定説と同一視したりすることは、今回の証拠からはできない。長期適応や身体構造、単なる癖という説明も残る。

  • 評価の出発点は、特定部位の使用量より、課題に必要な入力と結果。
  • 支持を使うことと自由度を協調させることは、併用できる。
  • 再現したいのは、必ずしも同一の軌道ではなく、変化に対応しながら必要な結果を得る能力。

現時点での私の結論はこうなる。

優れたAIMフォームとは、特定の姿勢そのものではない。自分の身体・支持・道具・感度の条件下で、必要な入力を適切な時間に生成し、状況に応じて修正しながら、精度と速さと負担を両立できる運動戦略ではないか。

「腕か手首か」という問いを捨てる必要はない。ただ、その答えをフォームの終点にしない。身体の使い方が、どんな入力を経て、どんな結果につながるのか。そのつながりを検証するところから、AIMの話はもう少し具体的になる。

シリーズは今回で完結する。数式を確かめたい場合は第2回へ、観察と仮説の分け方を読み返すなら第3回へ戻ってほしい。

参考文献・資料

  1. Rob Gray. Changes in Movement Coordination Associated With Skill Acquisition in Baseball Batting: Freezing/Freeing Degrees of Freedom and Functional Variability. Frontiers in Psychology 11:1295, 2020. 公開全文の要旨・導入・議論を確認。野球の運動学習。FPSへの直接証拠ではない。
  2. John P. Scholz, Gregor Schöner. The uncontrolled manifold concept: identifying control variables for a functional task. Experimental Brain Research 126, 289–306, 1999. 出版社要旨・書誌を確認。原実験は立ち上がり動作。FPSではない。
  3. Valère Martin, Hendrik Reimann, Gregor Schöner. A process account of the uncontrolled manifold structure of joint space variance in pointing movements. Biological Cybernetics 113, 293–307, 2019. 公開全文の導入・モデル説明を確認。要旨のaffect/do not affectの逆転を本文のUCM定義で照合。
  4. Emanuel Todorov, Michael I. Jordan. Optimal feedback control as a theory of motor coordination. Nature Neuroscience 5, 1226–1235, 2002. 出版社要旨・参考文献・書誌を確認。理論の主張として扱う。
  5. Ryanguru. Ryanguru式エイム - 1. 目の使い方（視線同期化）. note, 2025-03-05. 公開導入のみ。本文は有料・未閲覧。
  6. Ryanguru／合同会社Lunomi. Ryanguru式エイム - 2 体の使い方. note, 2026-06-26. 公開序論・目次・手の構造の冒頭のみ。有料部分は未閲覧。
  7. Sunjun Kim, Byungjoo Lee, Thomas van Gemert, Antti Oulasvirta. Optimal Sensor Position for a Computer Mouse. CHI 2020, 2020. 著者公開版全文 https://arxiv.org/pdf/2001.03352 を確認。14名の実験、800 CPI、2D pointing。

資料確認日：2026年9月10日。数式・模式図は筆者作成。研究と本記事の推論を区別し、未確認資料の内容は補っていない。

全4回：身体とセンサーから考えるAIM

ZYGEN VAXEE NP-01S V2 自腹購入レビュー

デバイス レビュー


VAXEEさんにてZYGEN NP-01S V2 Wireless (4K) を購入したのでレビューします

購入先↓

https://www.vaxee.co/JP/product.php?act=view&id=396

  • 開封
  • スペック
  • 形状
  • ビルドクオリティ
  • クリック
  • 重心
  • センサー位置
  • WEBドライバー
  • マニュアル
続きを読む

Artisan キ83 mid 簡易レビュー

デバイス レビュー

Aritsan キ83 mid XXL を購入したので簡単にレビューします

 

六角形で埋め尽くされているため縦横斜めに滑らせたときの違いがないというのが売り文句ですが実際の感覚はそんなこともなかったです（点ソールで使用）

しかし他のマウスパッドよりは縦横差は小さい印象です

滑りの速さは零と疾風乙の間

値段はXXLで9000円越えとかなり割高

これといった特徴のないマウスパッドですがなぜか弾が当たります

やはりArtisanとしてのハイクオリティが感じられます

トラッキングフリック、レベルの高い合格点オールウェイズ出してくれるArtisanキ83の簡易レビューでした