perf: state-independent MBA action 跳过 per-substep callback (#1259)

[TATP-233]

Parent: #1259（MuJoCo 性能线）
依据：#1262 调查结论
前置：#1267 已合入，保留 state-feedback action 的 per-substep callback 路径。

一句话问题

ManagerBasedRlEnv._configure_action_control() 在 sim_substeps > 1 时为所有 active action term 注册 pre-step callback；但 #1259 的 7 个 benchmark case 均不依赖 substep 后的新状态，仍走 callback 会保留不必要的逐 substep Python/control 成本。

为什么现在做

• Research: 单次 BatchEnvPool dispatch 保留 MBA per-substep control 的可行性 #1262 已审计：JointPositionAction 家族及 footstand、stewart、allegro 在一个 control step 内重复 apply_actions() 产生相同 ctrl；当前唯一需要实时 joint_pos/joint_vel 反馈的是 Go2WMixedAction。
• 固定变量微基准（8192 envs、64 threads、3 substeps）中，多次 nstep=1 为 95.8–103.4 ms/control step，单次 trajectory/broadcast 为 66.3–74.1 ms，收益上限约 28%–31%；feat(mujoco_uni): BatchEnvPool 单次 dispatch per-substep control callback 能力 (#1259 M1a) #1266 的完成记录另已确认 callback 路径仍保留主要同步固定成本。
• perf: MuJoCo backend 接入单次 dispatch per-substep control (#1259 M1b) #1267 已让 MuJoCo backend 同时具备 callback 与非 callback 单次 dispatch 路径；当前缺口只是 manager 按 action 语义选择已有路径。

最小交付结果

Action term 显式声明是否需要 substep state feedback（默认否，仅 Go2WMixedAction 为是）。ActionManager 聚合该声明；ManagerBasedRlEnv 仅在任一 active term 需要反馈时注册现有 pre-step callback。其余 term 每个 control step 计算一次 ctrl，并由 backend 以 nsteps=N 推进；_sim_step_counter 与 lifecycle 不变。

In scope

• 在 ActionTerm / ActionManager 增加最小的 substep state-feedback 声明与聚合查询。
• Go2WMixedAction 显式声明需要反馈；其他现有 action term 沿用默认值。
• 调整 _configure_action_control() 与无 callback 的 action 应用/计数路径，不按 task 或 backend 建白名单。
• 补 focused contract tests，覆盖全 state-independent、任一 feedback term、sim_substeps=1、空 action manager 与 close() 清理。
• 复用 Research: 单次 BatchEnvPool dispatch 保留 MBA per-substep control 的可行性 #1262/Roadmap: 优化必选的 Manager-Based runtime collector 吞吐并完成 #1042 性能验收 #1259 既有 benchmark 口径记录 before/after，不新增长期 benchmark 或 CI。

Non-goals

• 不修改或删除 perf: MuJoCo backend 接入单次 dispatch per-substep control (#1259 M1b) #1267 的 upstream callback / MuJoCo adapter 路径，不升级 mujoco-uni-runtime。
• 不新增 SimBackend 方法、backend 私有能力探测、第二套 env lifecycle 或 direct fallback。
• 不改 action 数值定义、control decimation、task YAML、policy I/O、reset/RNG、sim2sim contract 或 backend support 等级。
• 不顺带做 chunk tuner、sensor materialization、observation/reward/getter 优化。

Owner 与预计改动

• Owner：MBA ActionTerm / ActionManager + ManagerBasedRlEnv action-control 选择；各 backend adapter 继续消费现有接口。
• Small：预计 4–7 个文件、≤200 行净手写改动、1 个 PR，base 为 dev/issue-1042-manager-based-api。
• 永久维护成本：新增 state-feedback action term 必须正确声明并由契约测试覆盖。

Acceptance criteria

• 全部 active term 都不需要反馈时，不注册 pre-step callback；apply_actions() 每 control step 只执行一次，backend 收到 nsteps=sim_substeps。
• 任一 term 需要反馈时继续使用现有 callback；Go2WMixedAction 每个 substep 都读取最新 joint state，数值行为不变。
• 两条路径的 _sim_step_counter、异常传播和 close() 清理正确；control 数值 parity 与 Research: 单次 BatchEnvPool dispatch 保留 MBA per-substep control 的可行性 #1262 的 state-independent 审计一致。
• focused tests 通过；最终提交本地 make test-all 通过；PR 记录 before/after timing 及各 backend 行为影响，不把路径可达性自动写成 support 升级。

Stop conditions

• 发现除 Go2WMixedAction 外还有依赖 substep 新状态的现有 term，或无法从 owner 代码证明某 term 为 state-independent。
• 需要新增 SimBackend 公共方法、backend-specific task allowlist、热路径 asset/metadata 探测或新的 manager/env lifecycle。
• 改动会新增当前未支持的 backend/task 组合或提升 support 等级；该决定必须另行确认。
• 超过 7 个文件、200 行净手写改动或出现第二个可独立交付结果时，暂停并重新拆单。

创建本 issue 只授权规划与 tracking；开始开发需 maintainer 另行确认。