perf: MBA update_state backend state/getter 单相位复用 (#1259 U1)

[TATP-233]

Parent: #1259

Depends on: #1256（可复核插桩 PR #1264 已合入）、#1260（7-case pinned baseline 已记录）
启动授权：maintainer 已明确要求执行 #1259 Wave 2 U1。

一句话问题

同一次 MBA update_state 中，termination、reward、command、policy/critic observation 会重复通过 EntityData 读取相同 backend state。#1256 实测 getter 占 update_state 的 5%–26%；walk/motrix 的 joint_pos/joint_vel 以及 motion tracking 的 body state 都存在重复 full-batch 读取。

最小交付结果

在 EntityData / manager env state-read boundary 内，为一次 update_state 的同一 simulation state phase 复用相同 leaf backend getter 结果；每次 physics step、实际 set_state、step/interval event mutation、partial reset 之后都必须重新读取。

In scope

• EntityData 按 getter 与冷路径固定 selector 缓存 leaf backend state；作用域外保持当前逐次读取行为。
• ManagerBasedRlEnv 为 update_state 打开并可靠关闭 read phase；step/interval event 后清空，ResetStateTransaction 实际提交 set_state 后清空。
• 保持 排查：MBA observation / update_state 路径开销定位（2.2-2.4 倍） #1256 getter timing：cache hit 不伪装成 backend getter 时间，block/term timing 仍闭合。
• 补 owner-level tests，锁定同相位单次读取、下一 physics step 重读、set_state/event/partial reset 失效、异常退出不泄漏 cache，以及 obs/reward/termination 数值与顺序不变。
• 复用现有 7-case benchmark，报告同 commit before/after 的 getter timing 与 collector throughput。

Non-goals

• 不融合或改写 ObservationManager / RewardManager term 与固定管线（U2/U3 边界）。
• 不改变 manager term 签名、执行顺序、RNG、reset/final observation、task I/O 或 sim2sim contract。
• 不新增 SimBackend 方法、公共 manager lifecycle、direct fallback、runner/IPC/learner 路径。
• 不做 backend-specific cache 或 asset/metadata 热路径探测。

Owner 与预计改动

• Owner：EntityData / ManagerBasedRlEnv state-read boundary；ResetStateTransaction 只暴露内部 commit 事实用于精确失效。
• 预计 4–7 个文件、≤500 行净手写改动、1 个 PR，base 为 dev/issue-1042-manager-based-api。
• 永久维护成本是 read phase 与 physics/event/set_state/reset 失效规则及 focused parity tests。

Acceptance criteria

• 相同 getter + selector 在未发生 mutation 的一次 update_state state phase 内只调用 backend 一次；跨 phase 必定重读。
• transaction 无写入时保留复用；实际 set_state 与 step/interval event 后不返回旧 state。
• 正常 step、autoreset/manual partial reset 的 obs/reward/termination/final observation 与未缓存参考逐位一致。
• 排查：MBA observation / update_state 路径开销定位（2.2-2.4 倍） #1256 timing closure tests、focused tests 与本地 make test-all 通过。
• 两 backend 的相关 getter timing 明显下降，collector 无超出重复运行噪声的退化；按 Roadmap: 优化必选的 Manager-Based runtime collector 吞吐并完成 #1042 性能验收 #1259 例外不触发或等待远程 CI。

Stop conditions

• 无法在现有 update_state / ResetStateTransaction owner 内明确 physics substep、set_state、partial reset 的失效边界。
• 需要新增公共 lifecycle/SimBackend contract，或必须改变 term 顺序/返回数组语义才能复用。
• 达到 15 文件、800 行、一个 PR 上限，或实测收益无法覆盖 cache 维护成本。

[TATP-233]

最终实施证据

实现已提交 PR #1274（base dev/issue-1042-manager-based-api）。

• 最终 commit：476003e7333d95e145b7248e17daf2ac4781cda5
• 改动规模：6 files，+378/-14
• 结果：EntityScene 共享的私有 state-read cache 只在一次 ManagerBasedRlEnv.update_state() 内生效；按 getter + 初始化期冻结 selector 复用真实 backend read
• 失效边界：下一 physics step、runtime step/interval event、实际 command-side set_state、reset/partial reset 均会重读；异常退出通过 finally 清空
• 未改：SimBackend、公共 manager lifecycle、observation/reward term、runner/IPC/learner、config 与 backend-specific path

Validation

最终提交上唯一一次 make test-all 全部通过：

• ruff format/check：通过
• mypy：243 source files，无问题
• pyright：0 errors
• pytest：2207 passed, 28 skipped, 275 deselected, 1 xfailed
• benchmark smoke：通过（module 33/34、script 34/35；仅 platform-optional MLX 跳过）

开发期 focused owner tests 109 passed；相邻 MotionCommand/R2/G1 tests 75 passed。工作树在 gate 后保持干净。

Benchmark

硬件：AMD Ryzen 9 9950X3D2 16-Core Processor / RTX 4090。before 为 clean dev 7780ebf8；after 测量树与最终 476003e7 内容一致。完整 7-case before/after 各 3 runs、取 median：

Case	Getter	update_state	Collector
FlashSAC Go2/MuJoCo	-26.4%	-4.9%	+1.4%
FlashSAC walk/MuJoCo	+1.4%	-0.1%	+0.1%
FlashSAC walk/Motrix	-32.1%	+0.1%	-1.4%
SAC walk/MuJoCo	+2.5%	-0.1%	+0.1%
SAC walk/Motrix	-27.4%	+29.2%	-8.1%
SAC motion/MuJoCo	-49.6%	-6.0%	+1.0%
SAC motion/Motrix	-64.3%	-23.0%	+23.5%

Motrix 已知存在 batch drift，因此对两个 walk case 另做 3 组隔离 paired A/B；median paired delta：

• FlashSAC walk/Motrix：getter -31.9%，update_state -7.6%，collector -1.0%
• SAC walk/Motrix：getter -28.1%，update_state -2.0%，collector -0.45%

隔离复测确认 getter 收益，collector 变化落在既有 Motrix 波动内，没有可重复退化。MuJoCo walk getter 原本已接近可忽略，整体保持 flat；MuJoCo Go2/motion 与 Motrix copy-heavy getter 均有明确下降。

原始 gitignored 证据：scripts/benchmark/outputs/offpolicy_collector_active/issue1272_{before,after}_{run1,run2,run3,walk_run4,walk_run5,walk_run6}.{json,csv}。

按 #1259 child gate 例外，不触发、不等待远端 CI/Docs。

[TATP-233]

已由 PR #1274（已合入 dev/issue-1042-manager-based-api，merge commit bf619fc1）完成：EntityScene 共享的私有 state-read cache 限定在单次 update_state phase 内复用 leaf getter，physics step / set_state / event mutation / partial reset 后 fail-closed 失效。最终实施证据见上条评论。关闭本 issue。