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