Feat: 接入唯一 NumPy ManagerBasedRlEnv lifecycle

[TATP-233]

普通说明

只做一件事：把已迁移的 managers 接入 UniLab 唯一的 NpEnv step/reset/autoreset 生命周期，交付 canonical ManagerBasedRlEnv / ManagerBasedRlEnvCfg。它继续返回 NpEnvState，使用 NumPy、现有 SimBackend、base-owned entity facade 和显式 observation group 映射。

不迁移任何 production task，不新建第二套 step loop、runner、IPC、scene 或 backend abstraction，不接入 legacy DomainRandomizationManager。预计 6–12 个文件、≤1,500 行 UniLab-specific 手写改动、1 个 PR。永久维护成本是一层薄的 lifecycle adapter、一个预分配 control buffer、manager 顺序/映射 tests；不增加长期兼容分支。

最小交付结果

• 新增 ManagerBasedRlEnvCfg(EnvCfg)：manager dictionaries、env-owned seed/RNG、reward dt scaling、finite-horizon、autoreset，以及明确的 policy/critic observation group mapping。
• 新增 ManagerBasedRlEnv(NpEnv)；ManagerBasedRLEnv / ManagerBasedRLEnvCfg 若导出，只能是同一对象 alias。
• 初始化顺序固定为 event → command → action → observation → termination → reward → curriculum → metrics → recorder。
• step 复用 NpEnv.step()：action process/apply、termination/reward/metrics、step/interval event、command、observation 和 reset hooks 保持 pinned mjlab 时序，并保留 NpEnvState、final observation、局部 reset 与 IPC 数据面。
• entity facade 增加写入 env-owned actuator control buffer 的最小 EntityData.write_ctrl；不新增 backend 方法。
• timeout 由 TerminationManager 唯一映射为 terminated/truncated；不再叠加 NpEnv._compute_truncated()。

In scope

• manager lifecycle adapter、公共 exports、配置验证和 focused fake-backend fixture。
• physics_dt / step_dt / episode counters / manager buffers 等 community term context。
• env-owned np.random.Generator；reset seed 原地更新同一 generator，使已构造 term/noise model 保持引用。
• 明确把配置的 policy group 映射为 NpEnvState.obs["obs"]，可选 critic group映射为 "critic"；非 concatenated、非二维或重复映射直接报错。
• manager logging 写入 state.info["log"]；recorder pre-reset/post-reset/post-step 顺序有测试。

Non-goals

• 不迁移 Go2 或其他 task，不增加 built-in observation/reward/event/action catalog。
• 不修改 runner、learner、scripts、IPC、Hydra compose 或 registry。
• 不新增 SimBackend public method，不访问 backend 私有状态。
• 不支持需要 post-substep hook 的 MetricsTermCfg(per_substep=True) + sim_substeps > 1；构造期直接 raise。
• 不为 mjwarp 的 host pre-step callback 缺口降级；需要多 substep action apply 时构造期直接 raise。
• 不复用 legacy DR warning/filter/fallback。

Owner 与预算

Env lifecycle / public contract child。≤15 个非删除文件、≤1,500 行 UniLab-specific 手写改动、1 PR；base 为 dev/issue-1042-manager-based-api。

Acceptance criteria

• NpEnv.step() 是唯一 physics/autoreset owner；没有复制的 backend loop 或第二种 state return。
• manager 初始化、每步计算、局部 reset、command dt=0、observation history 和 recorder hook 顺序由 focused tests 锁定。
• reset() 返回 (obs_dict, info_dict)；obs_groups_spec、final observation、terminated/truncated 与现有 adapter contract 保持一致。
• action 每个 physics substep应用；可预知的 callback/metrics capability 缺口在 construction-time error，包含 manager/capability/backend。
• action/observation/reward/done/env IDs/control 全为 NumPy；manager env 对 IPC/runner/scripts 零依赖。
• 无 legacy DR fallback；focused tests 与 make test-all 通过。

Stop conditions

需要第二套 NpEnvState/step loop、runner/IPC 变化、新 backend public method、backend 私有访问，或为了 substep metrics 引入 post-substep hook时停止并拆独立 owner child。

Umbrella: #1042
Depends on: #1047

[TATP-233]

Delivered by PR #1051 and squash-merged into dev/issue-1042-manager-based-api at 211c48dd137e079fbf1e23b177d2d45b85ca63c6. Exact-head CI and Docs passed.