feat: 移植 InstinctMJ 感知运控任务，评估 motrixsim LidarSensor（height scan / depth）

[wlgys8]

背景

InstinctMJ（Project Instinct 的 mjlab/MuJoCo-Warp 原生框架）实现了完整的感知运控任务族，其中 Instinct-Perceptive-Shadowing-G1-v0 的感知方案值得作为 motrixsim raycast/lidar 能力的实测参照：

• height_scan：187 点 yaw 对齐 raycaster 网格（1.6×1.0m，0.1m 分辨率），作为特权 critic 观测（asymmetric actor-critic，policy 只见深度图，height_scan 不进 actor）
• depth_image：针孔射线束（FOV 87°×58°，27×48 下采样到 18×32），纯 ray casting 生成（mjwarp BVH refit + raycast kernel），经归一化/crop/resize 噪声管线后进 policy
• 传感器更新与 policy 频率解耦（per-env refresh mask + 过期帧缓存）

目标

以移植该感知任务为载体，对 motrixsim 0.10.1.dev121620 的 LidarSensor（LidarPattern.grid/rings/explicit、exclude 自遮挡过滤、LidarReturns distance/point/normal）做测试评估：

1. 功能正确性：批量 env 下多 world 射线求交结果是否正确（与已知几何对照）
2. 性能吞吐：grid pattern（~百束量级/环境）× 批量 env × 50Hz policy 频率下的开销，静态快照模式 vs hz 旋转模式
3. API 契合度：SensorValues Query 批量读取 lidar 的形状/性能约束（注意 execute 的 batch shape 约束，参照 issue perf: migrate MotrixSim write compiler to batched compile_write FFI plan #20 经验）

工作分解

• Spike：go1 rough/stairs 场景 MJCF 挂 grid lidar，批量 env 读取，验证数值正确性 + 吞吐基线
• 新增 height_scan obs term（yaw 对齐网格高程，miss 值处理对齐 LidarReturns 的 -1 约定）
• obs 基建补齐：history 堆叠（参照 InstinctMJ 8 帧）、gaussian noise（现仅 uniform）
• 深度观测近似路径：针孔 grid pattern + distance 返回 + 归一化/裁剪后处理（真机噪声模型暂缓）
• 感知版跟踪/行走 env（候选：go1 height_scan 进 value 通道的 rough terrain walk，复用 WbtMotionCommand / policy-value 双通道 asymmetric critic）
• 评估报告：与 InstinctMJ（mjlab/Warp）实现对比，给出 GPU raycast 接入后的性能预期

参考

• InstinctMJ：https://github.com/project-instinct/InstinctMJ （CC BY-NC 4.0，仅作设计参照，不移植代码）
• Perceptive shadowing 配置：src/instinct_mj/tasks/shadowing/perceptive/perceptive_env_cfg.py
• 相关联工作：feat: env 支持规控 controller 接入（决策体 + ActionTerm controller 双抽象） #26（controller 接入，同属 obs 通道扩展）