refactor: 统一 play 管线——训练入口复用 playback session 工厂

[TATP-233]

Part of #1239

依赖：建议在 #1240、#1241 之后执行（动同一批入口文件，先完成小收敛可减少冲突面）。

问题

play/推理实现共 8 处：train_rsl_rl.play_rsl_rl、train_offpolicy.play_offpolicy、train_appo.play_appo、train_him_ppo.play_him_ppo、train_hora_distill 内 play、play_interactive.py、play_viser.py、manip_loco/play_go2_arm_ik_only.py。而 src/unilab/visualization/interactive_playback.py 已提供 4 个 create_*_playback_session 工厂，训练入口却一个都不用，各写各的 actor 构造 + checkpoint 加载 + playback。另外：

• scripts/play_viser.py:87-94 import play_interactive.py 的私有函数（_backend_adapter、_infer_checkpoint_actor_input_dim 等）；
• scripts/play_interactive.py:349-362 自实现四元数→旋转矩阵，src/unilab/utils/rotation.py 已有 np_matrix_from_quat；
• play_interactive.py:148-163 的 checkpoint 维度猜测与 training/sim2sim.py:226 的 policy_load_dim_guard 职责重叠。

做什么

• 四个训练入口的 play_* 改为复用对应 create_*_playback_session 工厂，脚本只保留 CLI 解析与参数组装；
• play_interactive.py 中被复用的私有函数提升为 visualization/playback.py（或新公共模块）的公开函数；
• 四元数函数替换为 utils/rotation.py 现有实现；checkpoint 维度推断统一走 policy_load_dim_guard。

不做什么

• manip_loco/play_go2_arm_ik_only.py 与 train_hora_distill 内 play 不在本期（前者是任务专属诊断工具，后者随 hora 流程）；
• 不改 play 的行为、渲染效果与 ONNX/JIT 导出产物。

预计规模

约 10 个文件，净 +250/-500 行。若评审认为超 800 行上限，拆为"先提公共函数、再逐个入口切换"两个 PR。

验收

• sim2sim 契约校验路径不变；
• 四个入口的 play 冒烟通过；
• play_viser.py 不再 import 任何下划线函数；
• make test-all 通过。

[TATP-233]

#1250