chore(deps): bump torch to 2.14 and unify CUDA wheels on cu130

[TATP-233]

Summary

• torch 依赖由两行平台拆分合并为一行 torch>=2.9,<2.15;tool.uv.sources 统一走 r2-cu130(cu128 索引最高只有 torch 2.11),删除 pytorch-cu128 索引
• uv.lock:torch 2.8.0 / 2.8.0+cu128 / 2.9.0+cu130 → 2.14.0(darwin/win 之外 PyPI)+ 2.14.0+cu130(linux/win),triton 3.8.0,nvidia 依赖 cu12 → cu13
• ROCm 同步:pyproject.rocm.toml torch==2.14.0 + triton-rocm==3.8.0(torch 2.14 官方配套 triton~=3.8);放宽 setuptools<70 遗留 pin(与 torch 2.14+rocm7.2 的 setuptools>=77 冲突);重新生成 uv.rocm.lock
• 更新 torch CUDA source 契约测试(tests/scripts/test_torch_cuda_source.py)与文档中 cu128 表述(中英 installation/contributing、CONTRIBUTING.md)
• 动机:torch 2.14 的 MPS 后端改进对 FlashSAC 有显著增益。实测(M5 Max, g1_walk_flat, mujoco, 40 iter):端到端 16.1k → 21.7k steps/s(+35%),learner 213 → 147 ms/iter;standalone learner 62.7 → 45.6 ms/iter(1.38x)。FastSAC 为 GEMM-bound 无变化(52.4 → 54.9 ms,噪声内)
• scripts/tools/setup_isaacsim_env.sh 的 cu128 是 IsaacSim 独立 pin 的环境,不在本次范围

Linked Work

• Issue: n/a
• Parent roadmap (when applicable): n/a
• Roadmap declared base (when applicable): n/a
• Milestone: n/a
• Base branch: main

Validation

• make test-all passed on the final local head before this PR was created or updated
• Additional task-specific validation listed below

Commands actually run:

make check                 # pyright 0 errors;ruff 全绿(注:check-tests 中 tests/utils/test_experiment_tracking.py 的 5 个 F821 来自本地无关未提交改动,HEAD 版本 lint 通过)
make test                  # 1527 passed, 29 skipped;仅有的 2 个失败为本次改动的 torch CUDA source 契约测试,修正后 2 passed
uv run --no-sync pytest tests/scripts/test_torch_cuda_source.py -q   # 2 passed
uv run --no-sync train --algo flashsac --task g1_walk_flat --sim mujoco algo.max_iterations=40 training.no_play=true   # torch 2.14 smoke 正常,Steps/s 21,736

make test-all(slow 套件)本地未跑(M 系列 Mac 无 CUDA,慢速训练矩阵不适用);CUDA cu130 / ROCm rocm7.2 实机验证依赖 CI 与 Linux 机器。

Remote CI route:

• Base main: https://github.com/Motphys/UniLab/actions/runs/36234368359 — 全绿(ruff-lint / ruff-format / mypy / pyright / test (ubuntu-slim) / benchmark-smoke;docs 构建 pass)。

Impact

• Backend impact: none
• Platform impact: both(macOS/Linux torch 版本升级;Linux CUDA wheel cu128 → cu130,需要驱动支持 CUDA 13)
• Training effect expected: yes(Apple Silicon 上 FlashSAC +35% 吞吐;CUDA 侧预期持平或有增益,待 CI 验证)

Artifacts

• W&B: n/a
• benchmark result: 见 Summary 实测数据

Rebase update

• 已保留本 PR，不因 CUDA FastSAC 的 5090 A/B 结果未改善而关闭；torch 2.14 / cu130 仍有依赖统一、ROCm 与 MPS 价值。
• 已 rebase 到当前 origin/main@d72f7f07，新 head 为 da1514e6，并已 force-with-lease 推送。
• perf(training): training.log_interval 配置项 + rsl_rl PPO TensorBoard 批量写 patch #1648 保持堆叠在本 PR 之上，需按 chore(deps): bump torch to 2.14 and unify CUDA wheels on cu130 #1647 → perf(training): training.log_interval 配置项 + rsl_rl PPO TensorBoard 批量写 patch #1648 顺序合入。
• Rebase 后本地验证：

  uv run --no-sync ruff format --check .  # 383 files already formatted
  uv run --no-sync ruff check .           # All checks passed
  uv lock --check                         # resolved 240 packages
  uv run --no-sync pytest -q tests/scripts/test_torch_cuda_source.py  # 2 passed

• 远端 CI 已在 rebase 后重新触发并全部通过（7 pass / 1 skip：ruff lint/format、mypy、pyright、test、benchmark-smoke、Build Sphinx；gh-pages deploy 按规则 skip）。