feat(perf-runner): Android preflight stabilize + multi-run median 集計

[OJII3]

本 PR は 2026-06-27-android-bottleneck-investigation.md の Next action 2 (B': run-to-run variance 10× の安定化) の perf-runner 拡張です。

変更内容

tools/rosettadds-perf-runner に 3 フラグを追加:

• --stabilize-device: 計測前 Android device の状態を軽量リセット (screen on wakelock + WiFi recycle + host 接続待機)
• --repeat <N>: 各 scenario を N 回連続 run (default 1, median 集計対象)
• --aggregate <median>: multi-run 時の集計方法 (default median)

新規クラス:

• DeviceStabilizer (Android 軽量 preflight)
• MetricsParser (NDJSON → measure_done metrics)
• RunAggregator (N runs median 集計)

計測検証

実機 (Sony XIG04, Android 15) で 9 scenario × 3 runs を実施。新機能 (perf-runner 拡張) は全て期待通り動作を確認:

• 全 27 runs 完走
• RepeatCount: 3 が manifest.json に正しくセット
• stabilize 失敗は best-effort で catch して続行
• aggregate 計算は measure_done event 不在時に Aggregate: null (正常系動作)

ただし measurement 自体は 既存 findings の B 問題 (Android → helper discovery 不通) により全 9 scenario で失敗 (helper received = 0)。variance 縮小効果の検証は B 問題修正後の再計測が必要。

テスト

• 新規 70 件の xUnit テスト (TDD: テスト先書 → FAIL → 実装 → PASS)
• 既存 perf-runner.Tests 全 PASS (回帰なし)
• 既存 tests/rosettadds.Tests 553 件 全 PASS (回帰なし)
• ビルド tools/rosettadds-perf-runner 0 warning / 0 error

Design / Plan / Findings

• Design: docs/superpowers/specs/2026-06-28-android-stabilize-aggregate-design.md
• Plan: docs/superpowers/plans/2026-06-28-android-stabilize-aggregate.md
• Findings: docs/superpowers/specs/2026-06-28-android-stabilize-aggregate-findings.md

Scope

In: 上記 3 フラグ + 3 新規クラス + 70 テスト + findings doc

Out (別 PR):

• Device リブート (副作用大、boot に 30-60 秒)
• Permission 自動許可 / cache クリア
• svc power stayon の権限問題対応 (Android 12+ の WRITE_SECURE_SETTINGS)
• B 問題 (discovery) 修正 + 本 PR の効果再検証
• Desktop 側 stabilization