上カメラはマット平面の俯瞰。homographyでpx→mm変換できるのはX-Z座標だけで、爪先の絶対高さ（Y方向）は最初から取れない。それでも「j2を浅くすれば肘が伸びて爪先が下に出る」という幾何学的直感から、XZ収束を降下完了のシグナルにしていた。

DESCENDループの先頭でiPhone 11（横カメラ）を1フレーム取り、detect_tip_side() でTIPのpixel座標をprintするだけのパッチ。横で人間が見て「降りていないな」と気づくしかない。横カメラから見えたのは、j2が進む間にtip_side_yが「降下→停滞→上昇」と動くことだった。

初回有効な tip_side_y を descend_start_y として記録。以降は delta_y を見て、+30px なら降下成功、5フレーム見て +10px 未満なら no-progress と確定。j2モードで no-progress なら j1モードへ自動切替して降下方向を変える。