feat(motrix): 提供 selected-body fused world-state 读取接口

[TATP-233]

Parent roadmap: #1304
Blocks: #1308

一句话问题

MotrixSim 目前只能分别读取/缓存 full-batch link pose 与 velocity，UniLab 为 14 个 tracked bodies 读取 world-state 时仍要跨 Python/Rust 边界并从全 link 数组二次 gather，无法直接实现统一 SimBackend.copy_body_state_w() 的低分配语义。

为什么现在做

• MotrixBackend._ensure_link_velocity_cache() 会调用 model.get_link_velocities(data) 物化全部 link velocity；pose 与 velocity随后再按 body IDs 选择。
• perf(profiling): motion tracking update_state/reset_done 逐 term profiling（#1292 杠杆 1） #1293 中 Motrix 的 termination/anchor_pos 首次 robot-state refresh 被归属 9.89 ms，明显高于 MuJoCo/MJWarp。
• 8192×14 的 UniLab probe 表明，当前 getter + 二次 gather 为 5.153 ms，而 caller-owned direct copy 为 0.718 ms；CPU Numba 无法消除 MotrixSim 内部 full-link 物化与 Rust 边界。

最小交付结果

MotrixSim 发布一个可由 UniLab Motrix backend 消费的 selected-body fused world-state API：一次调用读取指定 numeric link/body IDs 的 position、quaternion、linear velocity、angular velocity，避免为未选择 link 生成 Python 可见数组，并支持一次连续返回或写入 caller-owned 输出。

In scope

• 输入使用冷路径已解析的 numeric link/body IDs；热路径不做名称/XML 查询。
• 一次 native 调用返回所选 bodies 的四组 world-frame state，shape 对齐 (num_envs, num_selected, width)。
• quaternion 顺序、dtype、数组连续性与生命周期有明确 contract。
• 优先支持 caller-owned out；若 PyO3 限制不适合多 out，允许返回一个 packed contiguous buffer，由 UniLab adapter 做一次拆分。
• 提供 8192 envs、14 selected bodies 的 full-link getter 对照 microbenchmark。
• 发布包含该接口的 motrixsim-core 版本，供 refactor(motrix): 接入 fused body-state 接口并删除临时 kernel #1308 升级 pin。

Non-goals

• 本 issue 不在 UniLab 长期维护 Motrix 专用 Numba kernel。
• 不改变 UniLab reward 数学、manager lifecycle 或 SimBackend 的四组 world-state 语义。
• 不要求本 issue 同时优化 set_state/reset/FK；perf: Motrix reset 热路径 Rust/motrixsim 边界优化（#679 延伸） #682 继续跟踪这些边界。

Owner 与预计改动

• Owner：MotrixSim native/Python binding owner；UniLab Motrix adapter 只负责验收接口。
• UniLab 本 issue 不直接提交实现 PR；上游实现规模由 MotrixSim owner 评估。
• 本 issue 是 refactor(motrix): 接入 fused body-state 接口并删除临时 kernel #1308 的 blocker；refactor(motrix): 接入 fused body-state 接口并删除临时 kernel #1308 负责 UniLab 依赖升级、正式接入和删除临时 kernel。

Acceptance criteria

• 新版本可对任意合法 selected numeric IDs 一次读取四组 world-state，数值与现有 getters 在明确容差内一致。
• 8192×14 benchmark 证明不再生成四组 full-link Python 中间数组，且相对现有 getter 路径无回退。
• UniLab 可仅通过正式 SimBackend.copy_body_state_w() adapter 消费该接口，无 backend 私有能力向 task/env 泄漏。
• motrixsim-core 新版本及 API 文档可用。

Stop conditions

• native 侧无法按 selected IDs 缩小计算/物化范围；需回报真实限制后重新决定 packed full-link view 是否仍值得接入。
• 接口要求 task 名称、asset/XML 元数据或运行时 capability 探测；停止并改写为 backend-owned cold binding。

[TATP-233]

MotrixSim 上游已在 motrixsim-core==0.10.0 提供并发布所需接口：SceneModel.get_link_states(data, indices=None, out=None)。它一次返回 selected links 的 (*data.shape, N, 13) world state，布局为 [x,y,z,i,j,k,w,vx,vy,vz,wx,wy,wz]，支持 numeric indices 保序和 caller-owned out。公开 API 文档：https://github.com/Motphys/motrixsim-agent-docs/blob/main/api_md/symbols/motrixsim.SceneModel.md；PyPI 0.10.0：https://pypi.org/project/motrixsim-core/0.10.0/ 。UniLab G1 scene 的 32-env 验证确认：selected order 正确、返回值与 out 同一对象、float32/C-contiguous、pose/velocity 对旧 getter 的最大绝对误差均为 0。#1308 现在可以升级 pin 并接入。

[TATP-233]

重新打开：0.10.0 的 get_link_states(data, indices, out=packed) 已满足数值/selected-ID 语义，但 packed-only output 未满足 #1308 的性能 acceptance。UniLab 正式 contract 是四个 caller-owned outputs（pos / wxyz quat / linear vel / angular vel）；packed 13-D 结果仍需 adapter 二次拆包。

同机 8192 envs × 14 bodies：

• production 内部 profile（100 measured calls）：native get_link_states mean 0.699 ms；packed→四 outputs 的逐列拆包 mean 1.316 ms。
• 将拆包优化为四次 np.take(..., out=...) 后，独立中位数 0.625 ms，但 native + split 仍约 1.3 ms。
• perf(body-state): 接通统一 copy contract 并同步优化 MuJoCo/MJWarp #1307 临时路径在真实 collector 中会复用/生成既有 link velocity cache，temporary getter+Numba copy mean 0.755 ms。
• 正式 packed adapter 的三次 e2e：update_state 29.718 / 32.122 / 29.683 ms（median 29.718），env/s 72,618 / 69,513 / 73,707（median 72,618）。
• perf(body-state): 接通统一 copy contract 并同步优化 MuJoCo/MJWarp #1307 三次中位数：update_state 27.773 ms，env/s 72,965。即正式方案 update_state 稳定 +7.0%，吞吐 -0.5%；触发 refactor(motrix): 接入 fused body-state 接口并删除临时 kernel #1308 stop condition。

因此上游仍需一个能 一次直接写入四个 caller-owned outputs 的 selected-link world-state API（或等价的 public-order output contract），并明确 quaternion 写为 wxyz，避免 UniLab 维护 Motrix 专用拆包 kernel。numeric IDs、保序、float32、无未选 link Python 数组等原约束不变。#1308 在该接口发布前继续 blocked；当前不会把 packed adapter 合并为最终方案。

[TATP-233]

@wlgys8 结合 #339/#407/#412 的 owner 记录，请评估 MotrixSim source 侧补齐下面这个最小接口；这是 #1308 和 roadmap #1304 当前唯一 blocker。

建议 contract（命名可由上游调整）：

model.copy_link_states(
    data,
    indices,           # cold-resolved numeric link IDs, preserve order
    out_pos,           # (*data.shape, N, 3), float32, C-contiguous
    out_quat_wxyz,     # (*data.shape, N, 4), float32, C-contiguous
    out_lin_vel,       # (*data.shape, N, 3), float32, C-contiguous
    out_ang_vel,       # (*data.shape, N, 3), float32, C-contiguous
) -> None

必须满足：

1. 单次 native 调用直接写四个 disjoint caller-owned outputs；不创建 Python-visible packed (..., N, 13) 中间数组。
2. quaternion 直接写 wxyz，避免 UniLab 二次重排。
3. indices 只接受 numeric IDs，支持任意合法顺序；热路径不查名称/XML。
4. 明确 dtype、contiguity、shape、alias/repeated-ID 行为；非法 out fail-fast。
5. 数值逐项对齐现有 get_link_poses/get_link_velocities。
6. benchmark 每个 sample 必须先 step/forward 使状态代次变化，再计时“该代第一次 selected-state 读取”；不要用同一静态 data 连续 getter 作为主结果，因为内部 cache 会掩盖 production 首读成本。
7. 8192×14 下 direct multi-out 不慢于 UniLab perf(body-state): 接通统一 copy contract 并同步优化 MuJoCo/MJWarp #1307 临时路径（production profile mean 0.755 ms），并通过 g1_motion_tracking e2e update_state/env/s A/B。

0.10.0 已有的 get_link_states(indices, out=packed) 可保留兼容；需要的是上述无 adapter split 的补充入口。UniLab 侧 adapter、测试和最终 benchmark 由 #1308 承担。

[TATP-233]

范围决定更新（2026-08-26）：maintainer 明确要求 roadmap #1304 跳过 MotrixSim 后端，本轮只在 MuJoCo/MJWarp 实现和验收加速。因此不再要求 MotrixSim 为本轮提供 direct multi-out 接口，本 issue 按 not planned 关闭。

已由 #1311 收口 UniLab 当前临时路径：删除 Motrix 专用 Numba kernel，恢复正确的非加速 adapter；不升级依赖、不做 Motrix benchmark/support claim。若未来重新启动 Motrix 性能工作，需要基于当时接口与数据另行确认 scope。