perf: 限定 MotionCommand partial-reset 的全量重计算范围

[TATP-233]

Parent: #1259

Depends on: #1255
Parallel with: #1256 and the MuJoCo BatchEnvPool capability investigation

一句话问题

MBA 的 G1 motion tracking partial reset 只重置约 251/8192 个 env，却在 reset 后通过 MotionCommand 再做一次全 batch command/relative-state 计算，单步耗时 34.7–41.4 ms，占 reset_done 的 66%–67%。

为什么现在做

• 排查：MBA reset / event manager 路径开销定位（reset_done 慢 5-6 倍） #1255 已用合入 feat: instrument MBA reset path with fine-grained sub-step timing (#1255) #1258 的持久 timing 键闭合分解，两 backend 都指向同一 task/command owner 热点。
• event term、逐 env motion 重采样和 replay 已被数据排除；继续优化应先修 owner 内的重复全量工作。
• 该路径与 MuJoCo physics dispatch 无关，因此可以与 backend 调查并行。

最小交付结果

让 MotionCommand 在 partial reset 后只更新必要的 reset 行，或复用本 control step 已有效的非 reset 状态；保持现有 Manager-Based lifecycle、motion sampling、metrics、observation、termination 和随机数语义。

In scope

• 落点限于 src/unilab/managers/command_manager.py 与 task-owned motion command term；仅在现有私有调用边界内传递/缓存 reset ids。
• 拆清 _update_metrics、motion refresh、robot-state refresh 和 relative transform 中哪些可复用、哪些必须重算。
• 为 reset rows 与 untouched rows 分别补状态、metrics、command 和 observation parity 测试。
• 用 排查：MBA reset / event manager 路径开销定位（reset_done 慢 5-6 倍） #1255 的 mba_reset_command_compute_ms 在 MuJoCo/Motrix 做同 commit before/after。

Non-goals

• 不改 ObservationManager partial-reset 计算；该方向由后续独立 child 决定。
• 不优化正常 update_state 的 observation/reward/getter 管线。
• 不改公共 CommandTerm lifecycle、NpEnv reset contract、backend contract 或 motion/reward 配置。

Owner 与预计改动

• Owner：Command manager + G1 motion tracking task owner。
• 预计 4–10 个文件、≤600 行净手写改动、1 个 PR。
• 与 排查：MBA observation / update_state 路径开销定位（2.2-2.4 倍） #1256 和 MuJoCo capability 调查无代码依赖，可并行；与未来 MotionCommand 正常 step 优化共享 owner/file，必须先合并本 issue 再继续后者。

Acceptance criteria

• reset/untouched rows 的 command、metrics、motion reference、termination 与 reset observation 在容差内等价。
• 两 backend 的 mba_reset_command_compute_ms 相对同 commit baseline 至少下降 50%；若达不到，报告分解并停止扩张。
• collector 吞吐有可重复改善，其他 Benchmark: 测量 go2_joystick_flat / g1_walk_flat / g1_motion_tracking 的 collector 吞吐 #1253 case 无超出重复运行噪声的退化。
• focused tests、make test-all 和适用 PR gate 通过。

Stop conditions

• 需要修改公共 CommandTerm.compute/post_compute 签名或 manager lifecycle。
• 需要新增 row-aware ObservationManager、SimBackend 方法或 task-specific env 分支。
• 数值/RNG parity 只能通过改变 motion sampling、metrics 或 reset observation 语义维持。
• 达到 15 文件、800 行或一个 PR 上限。

[TATP-233]

说明：#1255/#1258 为定位本 issue 引入的 mba_reset_*_ms 等持久计时键（以及 np_env / benchmark 中配套的采集与上报代码）属于优化期的临时脚手架。优化完成后正式训练不需要这些计时开销与维护成本，计划在 #1259 下所有优化工作全部完成后统一删除，不在各个子优化 PR 中零散移除。

[TATP-233]

已由 PR #1265 合入 dev（merge commit 101b6a2）完成。MotionCommand partial-reset command compute 在复测中 MuJoCo -77%、Motrix -74%，超过至少 50% 的 owner 指标目标；parity 与本地 make test-all 证据已记录。临时 profiling 清理由 #1281 统一承接。