feat: add R1 26-DoF motion-tracking training preset

[Zarato2122]

依赖关系

这是基于 PR #1 的 stacked PR，base 为 feat/asap-r1-retarget-adapter。应先合并 PR #1，再合并本 PR。

本阶段目标

让 Unitree R1 EDU 按完整 26-DoF 接入 ASAP phase-based motion-tracking 训练链路；不修改 ASAP 核心 task/reward/observation/PPO 代码，并用最短 smoke 验证 rollout 和一次 PPO update 可以执行。

改动文件

• humanoidverse/config/exp/r1_26dof_motion_tracking.yaml：新增可复用的 R1 26-DoF Isaac Gym motion-tracking preset。
• humanoidverse/config/robot/r1/r1.yaml：将 joint/body order 与官方 R1 URDF 在 Isaac Gym 中的顺序统一；头部 action index 为 14/15。
• humanoidverse/data/robots/r1/r1_fitmotionONLY.xml：同步 body 名称和遍历顺序，使 retarget motion PKL 与训练 URDF 无需隐式 permutation。
• docs/r1_motion_retargeting_adapter.md：补充 simulator-aligned order 和 DDS 映射说明。
• reproduction/r1-26dof-motion-tracking-smoke.md：记录环境、命令、指标、输出路径和限制。

测试命令

• Hydra compose：+exp=r1_26dof_motion_tracking。
• xmllint --noout humanoidverse/data/robots/r1/r1_fitmotionONLY.xml。
• YAML/XML/官方 Isaac Gym URDF joint/body order 与 limit 校验。
• MuJoCo compile：MjModel.from_xml_path(...)。
• Humanoid_Batch、MotionLibRobot 和 head-sweep reference 检查。
• 16 env、8 rollout steps、1 PPO iteration 的 Isaac Gym smoke。

测试结果

• 26 actions、27 robot bodies、3 extended bodies；head pitch/yaw index 14/15。
• Actor observation 425，critic observation 620。
• MuJoCo：nq=33 nv=32 nu=26 nbody=28 njnt=27。
• Head-sweep reference：pitch 0.250 rad、yaw 0.600 rad，head tracking point 位移 0.0291 m。
• PPO smoke：16 env、128 timesteps、113 steps/s、mean reward 0.43；rollout、reward、backprop/update 和 checkpoint save 均完成。

本地输出路径

• Smoke run：logs/ASAPR1Smoke/20260716_152112-R1_26DoF_OneIteration-motion_tracking-r1/。
• 官方 URDF/meshes：/tmp/asap-r1-unitree-ros-source/robots/r1_description/。
• retargeting MJCF/meshes：/tmp/asap-r1-adapter-validation/src/assets/robots/unitree_r1/xmls/。
• 生成的 smoke motions：/tmp/asap-r1-26dof-training-assets/。

未提交的大文件

• model_0.pt、model_1.pt、TensorBoard/log 输出未提交。
• 官方 STL、临时 standing/head-sweep motion PKL 未提交。
• 未提交 SMPL 数据、真实 retarget motion、视频或大型中间结果。

当前限制和下一步

• 当前只用生成的 standing/head-sweep motion 验证执行链路，不代表策略质量。
• 下一步需要对 ASAP 提供的一条低动态 SMPL motion 运行 R1 shape fitting 和 retarget，做可视化 QA 后替换 smoke PKL，再开始短训练。
• 头部已进入 joint/full-body/three-point tracking rewards，同时受 action-rate 和 joint limit penalties 约束；首次真实 motion 训练仍需单独监控头部误差。
• delta-action、sim fine-tuning 和真机部署仍不在本阶段范围内；未来 DDS 必须按 joint name 映射，head pitch/yaw 对应电机索引 29/30。