microduck 对齐 child 3/5: reward / MDP 栈对齐到上游当前 HEAD

[TATP-233]

Parent roadmap: #1452 ｜ 依赖：child 1（contract 标尺）｜ PR base: dev/issue-1452-microduck-rl-alignment

问题与证据

conf/ppo/task/microduck_velocity_flat/base.yaml:1-8 头注声明镜像的是上游旧版 velocity2，与上游当前 HEAD 已漂移：tracking_lin_vel 3.0 vs 2.0（上游还把 vz² 放进指数）、head_pose_tracking 0.5 vs 2.0；UniLab 多出 orientation(-3.0) / base_height(-50.0) / alive(+0.1) / flight_phase(-2.0) / lin_vel_z(-1.0)；上游有 upright(2.0, std²=0.05) / variable_posture pose(1.0) / self_collisions(-1.0) / body_ang_vel(-0.05) 等 UniLab 没有的项。目标不同则训练曲线无可比性。

主要交付结果

velocity_flat 的 reward 栈与上游 microduck_rl HEAD 逐项一致（term 集合、权重、std/阈值参数、公式语义），sitstand / ground_pick 两个任务同步核对各自栈；base.yaml 头注的对齐基线声明更新为上游 HEAD + commit 锚点。

范围边界

• 只动 reward/obs/termination 的 task 层配置与必要的新 reward term 实现（落在 manager_terms.py / 既有 reward 模块模式内）；缺的公式（如 variable_posture、self_collisions、sign(F)·log1p|F| 变换）按上游语义复刻并配单元测试。
• curriculum 的 weight schedule 已对齐（Roadmap: microduck 任务与上游 microduck_rl 训练配方逐步对齐 #1452 已核实），本 issue 只复查不改。
• obs 布局已对齐，不动。

Owner 与 contract 影响

• Owner：task owner YAML + reward term 实现 + tests/envs/locomotion/microduck/test_microduck_rewards.py。
• 不改公共 reward manager contract。

规模与 review 计划

预计 4–8 个文件、约 300–700 手写 LOC（含新 term 测试），单个 PR。

Acceptance criteria 与 validation

• child 1 的 contract 中 reward/MDP 全部条目转 match。
• 每个新 reward term 有公式级单元测试（含符号约定：cost≥0 配负权重，不自负）。
• mjwarp smoke 下每个 Episode_Reward/<penalty> 非正；PR 最终 head 过 make test-all。

范围复核点

• 若上游某 term 依赖 UniLab 不具备的 sensor/manager 能力（如 ray sensor foot_height），记录差距并请 maintainer 决定复刻或豁免。