feat(microduck): 训练基建对齐上游（env RNG 播种 / init_at_random_ep_len / 规模与 seed）

[TATP-233]

Closes #1456 ｜ Parent roadmap: #1452 ｜ Base: dev/issue-1452-microduck-rl-alignment ｜ 依赖：#1461（已合入；本分支已同步集成分支）

交付内容

1. env 级 RNG 播种：链路本就存在（YAML env: → BackendAdapter.build_task_env_cfg_override → ManagerBasedRlEnvCfg.seed → env.rng，command/noise/delay/DR 全部消费它），缺的只是 YAML 设值。三个 microduck mjwarp owner YAML 设 env.seed: 42（上游默认）；默认 None→随机行为不变（mujoco owner 测试仍断言 None）。新增测试：同 seed 两次建 env 的 command 采样序列一致、不同 seed 不同。
2. init_at_random_ep_len 真实生效：上游核实 mjlab 的 wrapper episode_length_buf setter 直接写 env 内计数（mjlab/rl/vecenv_wrapper.py:54-59）且 train.py:174 确实传 True——上游错峰生效，故 UniLab 修适配层对齐而非关闭：RslRlVecEnvWrapper.episode_length_buf 改 property+setter，传播进 env 新增的冷路径 set_episode_length_buf（同步写 episode_length_buf 与 state.info["steps"]，形状/非负校验）；env 无此方法时只更新本地记账（向后兼容）。附带收益：him_ppo/runner.py:119 的同类赋值同步生效。
3. 规模对齐：三任务 mjwarp owner algo.num_envs 2048→4096、algo.seed 1→42、max_iterations 500→2000（2000×24=48000 env step 恰好覆盖全部 curriculum 终档；上游为 50000，最终预算由 microduck 对齐 child 5/5: 受控对比验收 benchmark 与统计一致性报告 #1457 对比实验决策）。
4. contract 翻绿：infra.num_envs、infra.seed 翻 match，新增 infra.env_seed 守卫；audit GAP 0（velocity；NOTE 剩 max_iterations 预算与 mujoco-warp 版本两个非判定项）。

用户可见行为变化

microduck 三任务（ppo tree, mjwarp）默认并行规模与随机种子变化，训练 run 变为可复现（env RNG 播种后）。其他任务/后端行为不变（opt-in）。macOS/Linux 无差异。

Validation

• uv run pytest tests/envs/locomotion/microduck/ -m "" -q：40 passed（含新增 test_infra_alignment.py 7 条：seed 复现、错峰传播后剩余长度非全同且 timeout 错峰触发）。
• tests/envs/ tests/algos/ -k "seed or episode_length or random_ep"：12 passed；test_rsl_rl_ppo.py 12 passed。
• uv run scripts/audit_microduck_alignment.py：MATCH 184 / GAP 0 / MISMATCH 0。
• mjwarp smoke（64 envs × 200 steps）：NaN=0。
• 改动文件 ruff / mypy 干净。
• 最终 head（含集成分支同步 merge）本地 make test-all：2551 passed, 28 skipped, 1 xfailed；pre-commit 与 benchmark 检查全部通过。

Base 非 main，按 gate 规则使用本地验证 + review。