072 ひとつの温室　有限方策の検査記録 v1

検査対象
各8刻に「待つ/左窓開閉/中央窓開閉/右窓開閉」の4択。
A基本、A拡散なし、B基本、C基本の各65,536列、合計262,144列を全列挙しました。
前方共有の深さ優先探索ですが、完成した入力列は1列ずつ数えています。
予告と確定の一致は各条件87,380本、計349,520本の接頭辞遷移で照合しました。
別実装の整数・リスト参照計算でも、同じ状態へ来た入力列の重みを保った完全探索を実施。
異なる到達状態からの140,376遷移を本体と比較し、全65,536列の最終成長分布が条件ごとに一致。
保存した代表記録33件と、両版共通成功例の記録を再生・SHA-256で照合しました。
単体/保存記録テストは30件。拡散の0～12全2,197組、境界、独立参照計算の1,008列も含みます。
これは有限モデルの検査結果です。人の上達率・初見成功率・楽しさの測定ではありません。

基本達成列数（両鉢3以上）
A 拡散あり: 49,078 / 65,536。両鉢5以上: 22,009列。
A 拡散なし: 35,010 / 65,536。両鉢5以上: 5,675列。
B 拡散あり: 52,876 / 65,536。両鉢5以上: 29,729列。
C 拡散あり: 36,533 / 65,536。両鉢5以上: 12,893列。
列は均等な操作列であり、人が均等に選ぶとは仮定していません。
比較の達成列数だけで「一方が面白い」「学習効果が高い」とは結論しません。

記号
以下の並びは刻1～8の入力。待=変更なし、左/中/右=その窓を反転して1刻。
「開閉回数」は窓反転の回数。開いたまま待つ刻数ではありません。
成長は常に（左F,右S）。同じ評価なら待→左→中→右の列挙順で最初の列を保存します。

A「朝の左窓」
最少1開閉で基本達成し、両方8まで育つ例:
  待、待、中、待、待、待、待、待 → (8,8)、1開閉。
中央を刻1/2/3のいずれかで開き、その後維持する3列が(8,8)/1開閉です。
中央は通路ですが、隣への移動で両鉢の環境へ作用します。中央窓案は実計算で成立しました。
左窓だけを使う別の成功:
  待、待、左、待、左、待、待、待 → (6,6)、2開閉。
右窓だけを使う別の成功:
  待、右、待、待、右、待、待、待 → (3,8)、2開閉。
全閉は(2,5)で基本未達成。禁止や隠し罰ではなく、草花の快適な刻が2回だった結果です。
左から順に全開へ進め、その後維持すると(1,3)で未達成。

A「拡散なし」の管理比較
最少1開閉の基本達成:
  待、待、待、左、待、待、待、待 → (4,3)。
両鉢の成長を高める例:
  待、待、左、右、左、待、待、待 → (6,8)、3開閉。
中央だけを開閉して基本を達成する列はありません。中央に鉢がなく、隣へ移動しないためです。
基本版で(8,8)になる「待、待、中、待、待、待、待、待」は比較版では(2,3)。
この列だけを見て比較版が不成立とはしていません。両版共通の成功入力も保存しました:
  待、待、左、待、左、待、待、待
  基本版(6,6)、比較版(6,3)。外気・加熱・窓・目標を一切変えていません。

B「昼だけ暑い日」
最少1開閉の例:
  待、待、中、待、待、待、待、待 → (7,6)。
両鉢8、必要な開閉を増やす例:
  待、待、左、待、右、待、左、待 → (8,8)、3開閉。
左を育てる2開閉案:
  待、待、左、待、待、待、左、待 → (8,4)。
両方7の2開閉案:
  待、待、中、待、待、右、待、待 → (7,7)。
全閉は(2,4)。左を最初に開いたままでも(4,4)で基本は成立します。
手数を少なく届けるか、もう一度判断して追加成長を狙うかが任意の選択として残ります。

C「雨の外気」
全閉のまま8回待つ → (3,5)、0開閉。正式な基本達成であり、最少操作です。
これを排除する日差し追加や締切罰は入れていません。
雨が止む刻5に左窓を開き、その後維持:
  待、待、待、待、左、待、待、待 → (7,5)、1開閉。
追加で刻6に中央を開く:
  待、待、待、待、左、中、待、待 → (7,8)、2開閉。
右寄りの成長だけ追加する例:
  待、待、待、待、待、中、待、待 → (3,8)、1開閉。
前半から左窓を開いたままは(1,5)。雨の間は冷却と加湿が同時に起きます。
後半に開けることには公開外気表で説明できる理由があります。

補助方策の定義と限界
policy_results.jsonには全閉、左右それぞれの順で全開へ進む、左だけ開き続ける、中央だけ開く、
直前の不快鉢へ直接対応、今後窓を変えない条件を毎刻再計算する方策を保存しています。
「直前の不快鉢へ直接対応」は、前刻休んだ鉢について、その鉢の窓の反転で次刻の成長が
待つ場合より増えるときだけ反転します。両方なら左から調べます。
「今後窓を変えない条件」は各4択後を待ち続ける終点で比較し、最小成長、合計成長、待つ優先の順。
これは先の全操作を最適化するAIではありません。例えばCで4開閉の(6,8)に達しても、
全列挙では2開閉の(7,8)があるので、最善方策とは呼びません。
各候補の休んだ理由の回数もJSON内に記録しています。

設計上の判断
ブリーフの初期値・表・目標・更新順は変更しませんでした。全日で複数の基本達成が成立します。
002の小成果、003の世界が規則を説明する考えは参考に留め、毎作同じ損失や難しさを要求しません。
Aは中央一つの穏やかな成功、Bは少ない操作と追加成長、Cは何もしない達成と雨後の追加調整。
「必ず悩ませる」ための罰を増やさず、読んでから1刻進める短い観察としてまとめています。
成長・手数・使う窓を一つの隠し点数へ足し合わせません。

再生成と証拠
python experiments.py --output policy_results.json
python verify_policies.py --input policy_results.json --output oracle_results.json
python -m unittest test_model test_experiments -v
保存結果の本体digest: de7db080904a33193fb9842d7e91e1b06f7fb6b28103e19ba76c8e1716c179f1
現在の証拠はモデル・単体・独立有限検査です。実画面、実音、実動画、人の体験の確認は別記録を参照。
