[lemon-star608]

概述

本 PR 只保留两项 UniLab 纯 environment 修复，对应 #2535。

1. Mapped Entity 寻址：冷构造阶段按公开 body name，将 mapped Entity 的 body 选择绑定到后端 body-state row。CompiledSceneLayout body ID 仍是 scene/model 地址；packed backend 可以省略 world row，两种数值地址空间不再混用。
2. State-feedback physics substep：action term 声明 requires_substep_state_feedback=True 后，Manager 在每个 substep 刷新公开 packed state、调用 apply_substep_action() 重算控制并单独步进。所有内置 action 和默认路径仍是一次 feed-forward 控制加一次批量 step_tensor(..., sim_substeps)。

范围边界与默认影响

• 默认任务和 action 行为不变，只有 opt-in action term 使用逐 substep state feedback。
• 不包含 RL、replay、IPC、learner、optimizer、AMP、off-policy runner 或 training scripts。
• 不包含 Viser pause_on_done；现有手动暂停满足使用需求。
• 不包含 NanGuardProtocol；CHORD 直接复用 UniLab training.tensor_diagnostics.NanGuard/NanGuardCfg，无需上游改动。
• 不包含 deferred contact consumer。

验证

最终本地 HEAD d2080720：

• make check：通过。
• make test-all：通过；coverage 为 2835 passed / 62 skipped / 375 deselected，benchmark module imports 35/35、script imports 36/36。
• mapped Entity、substep、默认批量控制和 completion/timing 均有聚焦回归。
• CHORD make check：通过。
• CHORD make test：1000 passed / 16 skipped；跳过均为既有可选 mjbatch、Metal/MPS 和双 GPU 条件。
• CHORD 直接复用 UniLab 默认 NanGuard，真实 Newton 4096-env、6-iteration 短训练完成：update_count=2、environment_steps=20480、参数 finite。

最终 SHA 的远程 CI 和 Docs 全部通过，包括 core、environments、applications、RL、coverage 和 benchmark smoke。

关联工作

• Issue：修复 mapped Entity 寻址与 state-feedback physics substep #2535。
• 历史集成记录：CHORD FlashSAC：环境、replay 与训练生命周期集成 #2528、feat: 补全 Manager-Based 与 FlashSAC 通用训练和评估能力 #2529，已由本 PR 取代并关闭。
• 目标分支：main。

[lemon-star608]

CHORD 兼容验证补充（最终环境侧残留已下沉）：

• 使用本 PR worktree 的 unilab.base.torch_env，CHORD 全量 make check 通过，make test 为 1005 passed / 16 skipped；跳过均为既有可选 mjbatch、Metal/MPS 和双 GPU 条件。
• raw reward names、unweighted/pre-dt terms、weights/dt、ReferenceCommand stage 和 critic context 现由 CHORD SharpaChordEnv 自己发布，不再依赖 UniLab RewardManager/ManagerBasedRlEnv 的 integration-only 扩展。
• 使用本 PR + CHORD 自有 FlashSAC 入口完成 tissue 4096-env、6-iteration 短训练：update_count=2、environment_steps=20480，actor/critic/target 参数 finite，residual optimizer group 保持 0.1。
• CHORD NanGuard 通过 environment NanGuardProtocol 正常工作；训练未调用 unilab.rl、unilab.training 或 unilab.scripts。

这些结果只证明 environment 兼容和真实训练链路，不构成性能 benchmark 或收敛声明。