fix(pybot×actpred): 微动作录制时间轴均匀化——首行分解为重复步，delay 列权重归零

pybot run()：带 delay 的首行（无前序状态）不再单步执行，分解为
N=delay//10 个重复微步（插值退化恒等），录制数据全 10ms 均匀节拍，
delay 列恒 10ms——行级时长信息已隐式编码在步数中，消除首行 200ms
造成的时间采样不均（frame_len/history_len 等间隔假设被破坏）。

actpred default_column_weights：spk.delay 权重 0.2→0.0（步级恒值列
无信号，与保留位同级）；spk.F 保持 0.2。

新录制数据集（952 样本，delay 恒 10）存于 data/pybot_record_v2（不入库）。

actpred/action_norm.py

@@ -85,14 +85,15 @@ def denormalize_action(norm_action, action_dim: int = None,
 
 
 def default_column_weights(action_dim: int = 18) -> np.ndarray:
-    """逐列损失权重默认表：舵机 1.0（安全关键）、spk 0.2（保留梯度）、
-    保留位 0.0（恒 0 纯噪声，参与只会稀释有效梯度）。
+    """逐列损失权重默认表：舵机 1.0（安全关键）、spk.F 0.2（保留梯度）、
+    spk.delay 0.0（步级数据恒 10ms——微动作分解的隐式节拍，时长信息
+    已编码在步数中）、保留位 0.0（恒 0 纯噪声，参与只会稀释有效梯度）。
     action_dim>18 的扩展列默认 1.0：超出当前 18 列语义布局的通道视为
     新执行器，静默给 0 会让其完全不参与训练（P2-a1）。"""
     w = np.zeros(action_dim, dtype=np.float32)
     w[:min(10, action_dim)] = 1.0
     if action_dim > 10:
-        w[10:min(12, action_dim)] = 0.2
+        w[10] = 0.2
     if action_dim > 18:
         w[18:] = 1.0
     return w

actpred/test_actpred.py

@@ -2004,13 +2004,14 @@ class TestFixedRangeNorm(unittest.TestCase):
         from action_norm import default_column_weights
         w18 = default_column_weights(18)
         np.testing.assert_allclose(w18[:10], 1.0)
-        np.testing.assert_allclose(w18[10:12], 0.2)
-        np.testing.assert_allclose(w18[12:], 0.0)
+        self.assertAlmostEqual(float(w18[10]), 0.2, places=6)  # spk.F 保留梯度
+        np.testing.assert_allclose(w18[11:], 0.0)  # spk.delay 步级恒值 + 保留位
         # 小 action_dim：全部落在舵机段 → 全 1.0
         np.testing.assert_allclose(default_column_weights(4), 1.0)
-        # 12 列：舵机 1.0 + spk 0.2
+        # 12 列：舵机 1.0 + spk.F 0.2，delay 0
         w12 = default_column_weights(12)
-        np.testing.assert_allclose(w12[10:], 0.2)
+        self.assertAlmostEqual(float(w12[10]), 0.2, places=6)
+        self.assertEqual(float(w12[11]), 0.0)
         # 20 列：超出 18 列语义布局的扩展列默认 1.0（新执行器须参与训练）
         w20 = default_column_weights(20)
         np.testing.assert_allclose(w20[12:18], 0.0)