fix: expose mjwarp tracked body kinematics for the MBA body-state contract

[TATP-233]

Fixes #1282

Summary

uv run train --algo sac --task g1_walk_flat --sim mjwarp 自 #1232 G1 迁入 Manager-Based runtime 起在建 env 阶段失败：Entity 初始化 eager 校验 body-state 能力，而 mjwarp host_numpy profile 对全部 get_body_* 抛 NotImplementedError，且 create_backend 的 mjwarp 分支静默丢弃 body_state_required。

本 PR 按 issue 规划补齐 mjwarp 的只读 body kinematics，不放宽任何契约：

• create_backend：mjwarp 分支将 body_state_required=True 映射为 add_body_sensors=True（对齐 mujoco/motrix）。
• mjwarp 冷路径 materialization：复用 inject_mujoco_tracking_sensors 注入 world-frame tracking frame sensors；临时 XML 在模型编译后立即释放（对齐 MuJoCo backend 生命周期）。
• MjwarpBackend：get_body_{pos,quat,lin_vel,ang_vel}_w 从每步本已下载的 _sensor_cache 零拷贝读取（热路径零新增 device→host 同步）；get_body_{lin,ang}_vel_b 按 fix: pin get_body_*_vel_b to analytical body-frame semantics across backends #1254 语义用 np_quat_apply_inverse_batched 解析计算；绑定顺序/维度/连续性 fail-closed 校验；get_body_{pos,quat}_b 保持明确 NotImplementedError。

不改 obs 维度、不改 owner YAML DENYLIST 字段、不改 SimBackend 接口（getter 早已声明）。

Tests

• 恢复 test_g1_walk_flat_owner_one_step[ppo/sac]（在 dev HEAD 上实际为红）。
• 新增 mjwarp vs mujoco 六量 body-state 数值 parity 测试（stand keyframe + 随机 qvel，atol 2e-3）与未跟踪 body id fail-closed 测试。
• 更新 create_backend 接线测试：mjwarp 现在映射 body_state_required。

Validation

• uv run pytest tests/base/test_mjwarp_backend.py tests/base/test_mjwarp_capabilities.py -m slow：7 passed。
• uv run pytest tests/base/test_motrix_backend_options.py：35 passed。
• make test-all：通过（exit 0）。
• 手动 uv run train --algo sac --task g1_walk_flat --sim mjwarp：完整跑完 5000 iterations（10.26M env steps），checkpoint 保存与 play 视频渲染均成功。

[TATP-233]

已同步 main 的 CUDA graph 优化（cherry-pick 1939cfd, #1273），与本 PR 的 tracked body kinematics 兼容（sensor cache 仍在 graph replay 后的显式 barrier 下载）。

验证（head 5052096）：

• tests/base/test_mjwarp_cuda_graph.py 7 passed（默认 lane fake 单测）
• test_mjwarp_backend.py + test_mjwarp_capabilities.py -m slow 7 passed（含 body-state parity 与 graph launch 顺序断言）
• make test-all 通过
• uv run train --algo sac --task g1_walk_flat --sim mjwarp 完整 5000 iterations：总耗时 4m04s → 2m27s（约 40% 提升），训练与 play 渲染均正常