---
作業フォルダ: /Users/shimazueiichi/r2r2r-scripts
上限時間: 90
---
# 依頼211：推論の記録の判定の画面の「AI の先回り判定」を Claude から Gemini Decisions API に切り替える

## ねらい

推論の記録（KIOXIA の `runs/pi05_policy/`）に AI が先に判定を付ける `pi05/verdict_viewer/seed_verdicts.py --ai`（依頼183）は、今は Claude Sonnet 4.6 に6コマの静止画を見せて文で答えさせている。
2026-11-15（LOG520）に Gemini Decisions API（モデル `gemini-decision-1`）で試したところ、動画をまるごと見て選択肢ごとの確率と確信度を返し、人が確かめた19本で成否が18本一致した。外れた1本も含め、誤りは「確信度が低い」か「答えと『箱の中にあるか』の確率が食い違う」ものに集まった。確信度で「人へ回す」回を分けられるので、先回り判定をこちらに切り替える。

お試しのコードは `decisions_test/judge_v2.py`（コミット f47799e）。結果は KIOXIA の `runs/pi05_policy_verdicts_gemini_v1.csv`。まずこの2つを読むこと。

## やること

1. `seed_verdicts.py` に Gemini で判定する道を足し、`--ai` の既定を Gemini にする。`--ai-model claude` を付けたときだけ今の Claude の道を使う（Claude の道は消さない）
2. Gemini への渡し方は `judge_v2.py` と同じ形にする。ただし次の1点を必ず変える：
   - **使う区間は、今の `mp4_active_end()` までに限る。** 動画も「最後のコマ」も、方策が動いていた区間の終わり（top_frame_log.csv の mode が wait / home でない最後のコマ）までから取る。終わりの wait / home では人がブロックを箱から出していることがあるため（seed_verdicts.py の冒頭の説明のとおり）。お試しの judge_v2.py は動画の本当の最後のコマを使っていたので、ここが違う
   - 動画：区間の終わりまでを 640px 幅・1秒2コマ・H.264（crf 30 くらい）に縮めて base64 で送る（`resolution: low`）。一時ファイルは KIOXIA にも元の記録の中にも作らない（`tempfile` の中で作って消す）
   - 最後のコマ：区間の終わりのコマを 1280px 幅の jpg で送る（`resolution: high`）
   - top.mp4 がない・読めない回は、今と同じく frames/ の画像（最後を含む最大6枚）を image のブロックで並べて送る。2枚に満たなければ API を呼ばずに not_judgeable（今と同じ）
   - 質問の4つ（grasped / holding_at_end / in_box_at_end / outcome）と選択肢の文は judge_v2.py のまま。frames/ のときは NOTE_FRAMES の内容を text のブロックで添える
3. 答えを判定の表の行にする対応：
   | Gemini の outcome | outcome | pick | place |
   |---|---|---|---|
   | success | success | yes | yes |
   | grasped_not_placed | failure | yes | no |
   | failed_grasp | failure | no | not_applicable |
   | no_motion | not_judgeable | unknown | unknown |
   - 次のどちらかに当たる回は、outcome を `unknown` にする（人へ回す）。pick / place も unknown。①outcome の確信度が 0.5 未満 ②outcome が success なのに in_box_at_end の確率が 0.5 未満
   - `ai_reason` の先頭に `[gemini-decision-1]` と `[送ったチャンク N]` を付け、続けて「選んだ答え・確信度・grasped / holding_at_end / in_box_at_end の確率・人へ回したならその理由（確信度が低い／箱の中と食い違い）」を短い日本語で書く。どのモデルが付けた行かを、ai_reason から分かるようにするため
   - labeler は今までどおり `ai`。verdicts.py の決まり（確定の行がある回には AI の行を足さない・追記だけ・マウントを確かめる）は変えない
4. API キーは `~/.config/p2m/gemini_api_key`（環境変数 `GEMINI_API_KEY` があればそちら）から読む。キーの中身を表示・ログ・報告に出さない。キーの形（先頭の文字）で確かめない（今のキーは `AIza` で始まらない）。ファイルがなければ、その回を飛ばして最後に数を出す（今の Claude の道の ApiUnavailable と同じ扱い）
5. 通信は今の call_api と同じく、429・5xx は待ってやり直す（3回まで）。400 は中身（先頭500字）を報告に書いて止める
6. `test_verdicts.py` にテストを足す：答え→行の対応の表の4通り、人へ回す2つの条件、ai_reason の先頭、キーのファイルがないときに飛ばすこと。API は呼ばずに、返事の JSON を作って試す。今のテスト 49 本も全部通すこと
7. 試し方：
   - `python3 pi05/verdict_viewer/seed_verdicts.py --ai --dry-run` で、対象の数と素材（top.mp4 / frames / なし）の数を出す
   - 本物の判定の表には書かない。KIOXIA の外の一時ファイル（判定の表の写し）を `--csv` などで渡し、人の判定がある回のうち2本（成功1本・失敗1本。`decisions_test/manifest.csv` から選ぶ）について、確定の行を除いた写しで Gemini を実際に呼び、書いた行を報告に全文で載せる。そうした引数がなければ、テスト用に足してよい
   - 本物の判定の表（`runs/pi05_policy_verdicts_v1.csv`）への `--ai` の本番実行はしない（今は確定していない回がないため。次に推論の記録が増えたときに流す）
8. `seed_verdicts.py` の冒頭の説明（docstring）と、判定の画面の「AI の判定（未確定）」の欄の説明に Claude と書いてあれば、Gemini に合わせて直す
9. 変えたファイルを1つずつ指定して add し、コミットする（`git add .` は使わない）。push はしない

## しないこと

- 判定の表（runs/pi05_policy_verdicts_v1.csv）と元の記録（runs/pi05_policy/）を書き換えない・消さない
- verdicts.py の確定の扱い（CONFIRMED_LABELERS）と決め2・決め3 を変えない
- 実機を動かさない

## 報告に書くこと

- 変えたファイルと、変えた所の要約
- テストの結果（本数・全部通ったか）
- dry-run の出力（全文）
- 一時ファイルで試した2本の、書いた行（全文）と、かかった時間・入力トークン
- 決めてほしいこと（あれば）
- 最後の1行に「判定：合格／止めた（決めてほしいことあり）／失敗」
