feat: 抽出 RL 无关的环境分层（SimApp / ManagerBasedEnv / ManagerRuntime）并显性化 RL 基类命名（ArrayRLEnv / DirectRLEnv / ManagerRLEnv）

[wlgys8]

背景

当前 env 设计与 RL 强耦合：ArrayEnv 的 ArrayEnvState（obs/reward/terminated/truncated 整包）、auto-reset、truncation 全部固化在唯一的环境基类里。非 RL 使用方（纯仿真查看、数据采集、teleop）要么继承 DirectEnv/ManagerEnv 被迫接受整套 MDP 契约，要么绕过 core 手工拼装（scripts/view.py 的 robot 路径直接用 motrixsim.RenderApp）。

对照 IsaacLab 的分层（ManagerBasedEnv → ManagerBasedRLEnv，DirectRLEnv 平行，纯仿真层在 env 体系之外），可以抽出一层与 RL 无关的任务环境。

已验证事实：ManagerEnv 在 rewards = {}、terminations = {} 下可正常构造、编译、step（codegen 空组退化优雅，实测 g1-walk-flat reward 恒 0、terminated 恒 False）——能力层不缺，缺的是类与契约切分。

设计

1. SimApp：纯仿真门面（RL-free，无 obs/action）

• 位置 motrix_env_core/sim/app.py，只 import sim.backend/sim.registry/config
• 定位：仿真应用外壳，统一物理、渲染与窗口生命周期
• __init__(scene, sim=SimCfg(), num_envs=1, backend=None, render_spacing=1.0, render=None)；render 传入时立即 open
• open(config)：创建/替换 renderer（关旧开新，不重建 backend）；render() 呈现一帧；close() 幂等，先关窗口
• step(substeps=1) 转发 SimBackend.step；run(substeps=1, fps=60) 应用循环直至窗口关闭
• 不暴露 capture（headless 录制第一版不进）
• 配套契约改动：SimRenderer 增加 is_closed 抽象 property；SimBackend 增加 dt property
• view.py 的 robot 查看路径迁移为第一个使用方

2. ManagerBasedEnv：非 RL 任务环境（对位 IsaacLab ManagerBasedEnv）

• step(action) -> NpObs：apply_action → physics → read → observe kernel，无 episode
• reset(env_ids=None) -> NpObs：走 SimResetRuntime，并触发 commands 的 reset_env hooks
• 无 reward/done/episode_steps/truncation/auto-reset（episode 语义全归 RL 层）
• 满足 ABEnv（obs/action space），不继承 ArrayRLEnv
• 构造期校验 rewards == {} and terminations == {}，报错指明 reward/termination 属于 ManagerRLEnv 工作流
• 不做 reset_to(state)（无使用方，scene state 格式未定义；将来以 mimic/回放任务驱动）

3. ManagerRuntime：共享内核（内部，不是 env）

• 承载现 ManagerEnv 中与生命周期无关的 ~80%：term 装配、term-query 合并编译、read program、metrics、kernel 构建、SimResetRuntime、读写刷新
• 无公开 step/reset，只有下划线原语（_apply_actions/_advance_physics/_refresh_reads/_evaluate/_observe/_reset_rows）
• 两个 env 外壳平行组合（不采用 IsaacLab 的继承式切分：ArrayEnv 模板方法与 base 的 step/reset/apply_action 同名不同签名，MRO 遮蔽会静默丢失 auto-reset 生命周期）
• SwapObsBuffer 改为 runtime 内部持有「obs 页 + 可选 evaluate 输出页」；codegen/缓存/fingerprint 不动

4. RL 层改名（语义显性化）

旧	新	理由
ArrayEnv	ArrayRLEnv	拥有的全是 MDP 语义；继承它 = 接受 RL 契约
DirectEnv / DirectEnvCfg	DirectRLEnv / DirectRLEnvCfg	对齐 IsaacLab 与家族命名一致性
ManagerEnv	ManagerRLEnv	manager 工作流 RL 外壳，内核来自 ManagerRuntime

• ArrayEnvState 不改名（step 契约数据类，语义仍准确）
• 模块路径 array/、direct/、numba/manager/ 不动（package 表达工作流，类表达契约）
• 不留旧名别名（引用一次迁干净）

最终家族：

SimApp                          纯仿真（无 obs/action）
ManagerBasedEnv                 obs/action 任务层（无 reward/done/episode）
── RL 层 ──
ArrayRLEnv                      NumPy 前端 MDP 生命周期模板
DirectRLEnv(ArrayRLEnv)         直接工作流
ManagerRLEnv(..., ArrayRLEnv)   manager 工作流

迁移批次

1. core：ManagerRuntime 抽取 + ManagerBasedEnv/ManagerRLEnv 定义 + 三个改名（同一语义动作一批完成）+ SimApp/SimRenderer.is_closed/SimBackend.dt
2. motrix_envs：所有 ManagerEnv→ManagerRLEnv、DirectEnv→DirectRLEnv 子类迁移
3. registry 前端推断 / motrix_rl isinstance / scripts / bench 迁移；view.py robot 路径接 SimApp
4. docs（含 AGENTS.md 运行时基类段落）

每批全量 pytest；批次 2 后跑 direct 系与 manager 系训练 smoke 各一。

验收标准

• 现有全部 env 改名迁移后 step/reset/metrics 输出逐位一致（测试套件 + 训练 smoke）
• ManagerBasedEnv + 空 rewards/terminations 配置可注册使用，数据采集/view 可直接驱动，全程无 reward/done 概念出现
• motrix_rl、TorchEnv、deploy 链路不受影响
• 改名无残留引用（grep 扫描验收）

波及面

• ManagerEnv 约 154 处引用 / 约 45 文件（core 14 + envs 10 + 测试 8 + docs 15 + bench/AGENTS 等）
• DirectEnv/DirectEnvCfg 约 176 + 66 处引用（集中在 motrix_envs/basic/）
• ArrayEnv 约 240 处（含 ArrayEnvState，后者不改名）

决策记录

• ManagerBasedEnv.step 返回 NpObs（非 IsaacLab 的 (obs, extras) 元组）
• episode 管理全归 RL 层（base 无 truncation/episode_steps）
• RL 类改名 ManagerRLEnv，不留 ManagerEnv 别名
• 共享内核用组合（ManagerRuntime），不用继承（避免 step/reset/apply_action MRO 遮蔽）
• DirectEnv 一并改名 DirectRLEnv（家族一致性）
• base reset 触发 command reset_env hooks（显式复位语义自洽，与 RL auto-reset 同入口）
• 第一版不做 reset_to、不做 headless capture API