[Refactor/Epic] 控制层架构重构：消除高耦合与全局变量滥用

[Tensor-0]

📌 现状背景 (Context)

当前 Application/Task 层存在明显的“集中式控制与高耦合”问题。Control_Task 承担了状态机、感知融合、LQR/VMC 计算和执行器映射等过多职责（上帝任务）。且各任务之间通过直接读写全局变量通信，缺乏显式的边界保护。

为了后续方便移植、离线仿真以及维护，需要进行自顶向下的架构解耦。

🎯 重构目标 (Objectives)

将当前混合的逻辑拆分为严格的 Input (感知快照) -> State Estimation (状态估计) -> Control (平衡与运动学计算) -> Actuation (执行器命令) 四层架构。

📝 分阶段执行清单 (Tasks)

Phase 1: 物理边界隔离 (最优先)

• 引入数据快照机制： 在 Control_Task 周期起点，统一读取 INS_Info、电机反馈和遥控器数据，生成 sensor_snapshot_t，后续控制算法仅依赖此快照。
• 剥离非核心硬件操作： 将底盘控制循环中的电压检测 (USER_ADC_Voltage_Update)、蜂鸣器控制和调试串口发送 (USART_Vofa_Justfloat_Transmit) 移出，建立独立的 telemetry/monitor 任务。

Phase 2: 输出与通信解耦

• 独立执行器命令结构： 将 SendValue (包含 T_Calf, T_Thigh, Current 等) 从庞大的 Control_Info 结构体中抽离出来，定义为独立的 motor_command_t 包。
• 重构 CAN 通信链路： CAN_Task 不再直接读取 Control_Info。改为通过双缓冲或队列接收 motor_command_t，将其变为纯粹的“总线发送任务”。

Phase 3: 业务逻辑拆分

• 抽离电机状态机： 将电机的上电、失能、初始化刚度逻辑从 CAN_Task 中剥离，建立专属的 motor_manager_task。
• 参数与算法代码分离： 将 LQR 系数矩阵、PID 参数、机构常数等从 Control_Task.c 中抽离至独立的 control_params.c 或配置文件中。

🔗 相关参考

• 诊断来源：AI Code Agent (GPT-5.5) 逆向工程分析报告