MultimodalTemporalEncoderを組み込んだ基礎実験を実行

# タスク内容 MultimodalTemporalEncoderを用いた 基礎実験 #239 を行い、その振舞いを検証します。 基本モデルサイズはsmallを採用します。TemporalEncoderのサイズはForward Dynamicsと同様とします。 environmentクラスは新たに作成せず、`dummy_image_io`や`image_dataset`を流量する形とします。 io_wrapperでマルチモーダル化を実現します。 ### 作るもの - [x] models config - [x] io_wrapper - [x] agent config - [x] data collectors config - [x] experiment config