perf: 降低 command_manager.post_compute 的 relative transform 开销

[TATP-233]

一句话问题

command_manager.post_compute 在 motion tracking 中仍用多段 NumPy relative transform/body-frame 计算，优化后约 MuJoCo 4.23 ms、MJWarp 4.21 ms/step。

为什么现在做

#1314 的分区埋点显示第二次 body-state copy 已降到约 0.3 ms，剩余约 3.9 ms 是 relative transform、anchor frame position/orientation 和输出写入；这是当前第二大可控 manager 分区。

最小交付结果

将 MotionCommand 的正常 step 与 partial-reset relative/body-frame 变换收敛为预热、复用 buffer 的单一 Numba 数学实现，并删除生产路径中被替代的 NumPy 数学实现。MuJoCo/MJWarp 共用同一 task kernel；不引入 backend 特例。

In scope

• 在 src/unilab/tasks/motion_tracking/common/ 增加/扩展 fused relative-state kernel，覆盖现有 body_pos_relative_w、body_quat_relative_w、anchor pose 和 robot body-frame 输出。
• 迁移 MotionCommand._refresh_relative_state 及 row-scoped reset 分支，保持输出 shape、dtype、写入顺序和 BoxMotionCommand 的 post hook。
• 删除不再被 production call graph 使用的对应 NumPy helper；测试中的独立 oracle 可保留。
• 增加随机 quaternion、body subset、partial-reset、输出复用和 MuJoCo/MJWarp parity 测试。
• 报告 command_manager.post_compute 与端到端阶段；MJWarp 必须同时报告 backend_host_cache_refresh_ms（D2H/PCIe）而不重复加到 update_state_ms。

Non-goals

• 不改 command_manager.compute、observation pipeline、reward/termination 公式、backend API、runner/lifecycle 或 Motrix。
• 不维护第二个 runtime 数学表达，不新增通用编译器或 device-resident observations。

Owner / 规模

Owner：motion_tracking/common/transforms.py、observations.py、manager_terms.py 与共享 kernel；预计 5–10 个文件、≤650 行净手写改动、一个 child PR，PR base 为 dev/issue-1316-update-state-numba。

Acceptance criteria

• 正常 step 与 partial reset 的所有 relative outputs 在明确 tolerance 内 parity，BoxMotionCommand 仍通过现有 contract。
• 冷路径完成 Numba 编译；热路径不分配临时 full-batch arrays、不解析 asset。
• MuJoCo/MJWarp 均无稳定回退；报告 transfer-inclusive env_step_total_ms/step_core_ms 和独立 D2H 项。
• 最终 head 本地 make test-all 通过，PR body 记录本地 gate。

Stop conditions

• 需要新增公共 contract/执行路径、必须保留双 runtime 数学实现，或超过 10 文件/650 LOC。
• 任一 backend、partial reset 或 BoxMotion 数值契约出现稳定回退。

Parent roadmap：#1316。

[TATP-233]

已由 #1321 完成并 squash merge 到 dev/issue-1316-update-state-numba（merge commit 1d18060e）。

结果：MuJoCo/MJWarp 的 command_manager.post_compute 分别 4.297→0.659 ms（-84.7%）和 4.217→0.589 ms（-86.1%）；update_state 相对 #1317 head 再下降 24.8%/26.4%。最终 head 本地 make test-all 通过。旧 NumPy transform/observation/anchor helper 已移除，普通 motion 与 Box 路径只保留共享 Numba 数学。