feat: 实现 vision-based cartpole，评估 motrixsim batch render 能力

[wlgys8]

背景

感知运控方向（#30，lidar/raycast 评估）之外，视觉 obs（camera → pixel obs → policy）是另一条需要验证的 sim 能力线。motrixsim 0.10.1.dev 已提供批量渲染入口：

• RenderApp.launch(model, batch=N, render_offset, render_settings)：多 world 批量渲染
• RenderCamera.capture() -> CaptureTask：异步取图，CaptureTask.take_image() 取回 Image
• RenderSettings：quality/performance 预设、share_lights_between_envs、shadow/ssao 等开关
• create_camera_viewport(camera, layout, sim_world_index)：按 world index 建视口

现状：MotrixLab 侧渲染只用于视频录制（MotrixSimRenderer offscreen system camera RGB，motrix_env_motrixsim/renderer.py:21），在环 egocentric 相机 obs 管线不存在；且 TorchEnv 仅支持 CPU 仿真（torch_env.py:119），渲染通道与训练循环的集成方式未验证。

目标

以 vision-based cartpole（现成 state-based cartpole 的像素版）为载体，对 motrixsim batch render 做测试评估：

1. 功能正确性：批量 env 下 per-env 相机图像与对应 world 一一对应（无串图/偏移错误）
2. 吞吐与延迟：capture→CPU/GPU tensor 的端到端延迟；batch 规模（16/64/256/…）与分辨率（48×64 / 90×160 / …）扩展曲线；异步 capture 与物理 step 的重叠度
3. 集成方式：渲染服务进程与训练循环的数据通道（sync() 语义、共享内存/拷贝路径、obs 摊平进 TorchObs）
4. 训练可行性：像素 obs 下的 cartpole 是否可学（前置：FastSAC 目前无 CNN encoder，见下方范围说明）

工作分解

• Spike：cartpole.xml 挂相机，RenderApp batch=N headless capture，输出吞吐/延迟基线数据表（batch × 分辨率矩阵）
• 相机 obs 管线：capture → tensor → TorchEnv obs 通道（图像型 obs 摊平/布局约定，policy-value 双通道中的挂载位置）
• 异步化：capture 任务与物理 step 重叠（update_period 风格的逐 env 刷新 + 过期帧缓存，参照 InstinctMJ 的 sensor 更新模式）
• vision cartpole env 注册（basic/cartpole 的 pixels 变体，保持与 state 版同 reward/termination 以便对照）
• （可选，超出评估范围再立项）FastSAC 增加 CNN encoder / 蒸馏路径，像素端到端训练
• 评估报告：结论给出 batch render 在训练在环场景的可行性判断与瓶颈定位（渲染本身 vs 传输 vs 集成）

范围说明

本 issue 优先完成"渲染管线评估 + env 注册"；若评估发现吞吐达标，像素端到端训练（需要给 FastSAC 补 CNN encoder）另开 issue。

参考

• 关联：feat: 移植 InstinctMJ 感知运控任务，评估 motrixsim LidarSensor（height scan / depth） #30（InstinctMJ 感知任务移植 / LidarSensor 评估，同属感知能力验证线）
• InstinctMJ 的在环相机参考实现：NoisyGroupedRayCasterCamera（mjlab，CC BY-NC 4.0，仅作设计参照）