Fix: 让 env-step benchmark 通过 Hydra owner 配置构造任务

[TATP-233]

Parent: #983
Integration base: dev/issue-983-code-cleanup（不得向 main 提 PR）
Work type: infra · Area: benchmark/config · Scope: Small

Owner summary

本 child 只修正 benchmark/env/benchmark_env_step.py 的任务配置入口：所有任务（包括 Go2W rough）从对应 owner YAML compose，env.* / reward.* CLI 覆盖也进入 Hydra compose，并拒绝用 training.sim_backend= 单独切 backend。不会改变 benchmark 计时、绘图、matrix、backend 实现或 owner YAML 内容。永久维护成本是少量 compose/CLI contract 测试；收益是 benchmark 不再维护第二份 reward/config 真相源。

一句话问题

Go2W rough benchmark 手写了已与 owner YAML 漂移的 reward，通用 CLI 又通过 dataclass setattr 绕过 Hydra，并接受主入口明确禁止的 training.sim_backend=<backend> 切换方式。

最小交付结果

benchmark 的任务选择、backend 身份和 env/reward override 与正式 Hydra owner 入口使用同一配置语义。

In scope

• Go2W rough 改为 compose conf/ppo/task/go2w_joystick_rough/<backend>.yaml，删除手写 reward 镜像。
• 将 benchmark 接受的 env.* / reward.* overrides 直接交给 Hydra compose，再由既有 BackendAdapter 构造 env cfg。
• 对 training.sim_backend= fail closed，并诊断应使用 task=<task>/<backend> owner 选择。
• 保持 mjwarp benchmark 使用已声明的 owner alias 规则，但不得把 training.sim_backend 当切换入口。
• 增加 Go2W rough reward/scene 与 owner 一致、Hydra override 插值/类型、非法 backend override 的测试。

Non-goals

• 不改变 owner YAML、reward 数值、benchmark timing loop、输出 schema 或图表。
• 不新增 benchmark 专用 config schema，不修改正式 train/play CLI。
• 不 production 化 mjwarp benchmark adapter，不扩大任务/backend 支持矩阵。

Owner 与预计改动

1 个 benchmark 文件及 1-2 个测试文件，预计净改动 <300 行，1 PR。

Acceptance criteria

• go2w_rough 不再构造硬编码 RewardConfig，compose 后的 reward key/value 与 owner YAML 一致。
• CLI env.* / reward.* 由 Hydra 解析并保留类型/插值/未知键 fail-closed 语义，不再递归 setattr。
• training.sim_backend=<backend> 返回明确错误；backend 只能随 task=.../<backend> owner 选择。
• matrix 与单任务 smoke、定向 config tests、make test-all、精确 head CI 全绿。

Stop conditions

若需要改变正式 owner YAML、benchmark 输出格式、生产 backend contract 或超过 5 个文件，暂停并回到 #983。

[TATP-233]

已由 PR #1000 以 merge commit 合并到 dev/issue-983-code-cleanup。source head: 9f7cff3；merge commit: 74db47f；CI workflow run 31912519673 已 completed + success，全部 6 个 jobs 成功。