microduck 对齐 child 4/5: 训练基建对齐（env RNG 播种 / init_at_random_ep_len / 规模与 seed）

[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

• UniLab env 级 RNG 不播种：ManagerBasedRlEnvCfg.seed 默认 None → secrets.randbits(63)（src/unilab/envs/manager_based_rl_env.py:225-227），command/噪声/delay/DR 采样 run 间不可复现；上游 seed=42 一路写入 cfg.env.seed。
• runner.learn(..., init_at_random_ep_len=True)（src/unilab/scripts/train_rsl_rl.py:463-466）在 rsl_rl 5.0.1 下只写 wrapper 的 torch buffer，不影响 env 内 timeout 计数，初始 episode 错峰实际未生效。
• 规模差异：num_envs 2048 vs 上游 4096；seed 1 vs 42；max_iterations 500 vs 50000（UniLab 500 iter 仅到 curriculum 第一档）。

主要交付结果

1. env 级 RNG 可播种：task YAML 可显式声明 env seed 并贯穿 command/obs-noise/delay/DR 采样，microduck owner YAML 设 42 对齐上游；不破坏既有 None→随机默认行为的任务。
2. init_at_random_ep_len 在 UniLab 适配层真实生效（写 env 内 episode/timeout 计数），或显式关闭并记录理由。
3. microduck mjwarp owner YAML：num_envs 4096、algo seed 42、max_iterations 与 curriculum 终档匹配（≥2000 对应 48000 step；具体值以 child 5 预算决策为准）。

范围边界

• 1、2 触及公共 env 适配层（manager_based_rl_env.py / algos/rsl_rl.py），改动保持 opt-in 与向后兼容：默认行为不变，仅 microduck（及后续自愿任务）显式启用。
• 不顺手统一其他任务的 seed/规模。

Owner 与 contract 影响

• Owner：env 适配层 + rsl_rl 适配层 + microduck owner YAML + 对应测试。
• contract 影响：新增 env seed 配置字段（schema 需同步 structured_configs.py）；属公共配置面扩展，但行为默认不变。

规模与 review 计划

预计 5–8 个文件、约 200–500 手写 LOC，单个 PR。

Acceptance criteria 与 validation

• 相同 env seed 两次短程 run 的 command/噪声采样序列一致（测试断言）；不同 seed 不同。
• init_at_random_ep_len 生效时初始 episode 长度错峰（测试或受控 run 断言）。
• contract 基建条目转 match；PR 最终 head 过 make test-all。

范围复核点

• 若 env seed 播种需要改动 runner lifecycle 或 IPC 协议，停下来更新方案请 maintainer 确认。