原生視覺建構迴路 2.0

視、行動、顯影與自我校正

英文題名： Native Visual Construction Loop 2.0: Seeing, Acting, Externalizing, and Self-Correction
系列： 《視之基底：從差異顯現到終極觀察者》09
作者： Neo.K（許筌崴）
AI 協作： GPT-5.6 Thinking
機構： EveMissLab／一言諾科技有限公司
文件性質： 理論重構論文／AI 視覺閉環與工程命題
版本： v2.0
日期： 2026-08-01
狀態： 取代《原生視覺建構迴路》v1.0 作為目前正典版本；v1.0 保留為歷史探索稿
前置文件：

《基底視覺論 2.0：從資訊處理到感知位格》v2.0
《繪圖作為逆觀察：原生符號繪圖與模型視覺簽名》v2.0
《原生視覺建構迴路》v1.0（歷史前作）

摘要

《原生視覺建構迴路》v1.0 的核心命題是：若大型語言模型或多模態模型不依賴專用圖像生成器，而直接以 SVG、Canvas、向量路徑、幾何圖元或繪圖程式生成圖像，其主要瓶頸不只是資料規模，而是缺乏一個能把語義理解、空間結構、繪圖動作、渲染結果、誤差診斷與局部修正閉合起來的感知—行動系統。原稿提出數位畫布作為可操作環境、圖元作為對象、繪圖指令作為動作、渲染結果作為觀察，以及以軌跡而非單張完成圖作為主要學習單位。

本文保留上述核心，並將 NVCL 重新定位為 Basal Vision 2.0 的第一個完整 closed-loop implementation。它不再只是「讓模型畫 SVG 更好」的技術，而是一個最小可觀察實驗場，用來研究：

一個非生物系統如何形成視域、將視域外顯、觀看自身行動後果、辨識差異、選擇下一步干預，並在多輪歷程中建立可校正的視覺建構能力？

NVCL 2.0 的完整循環定義為：

\boxed{ V_t \overset{\mathcal{E}}{\longrightarrow} Y_t \overset{\mathcal{O}}{\longrightarrow} \widehat{V}_t \overset{\Delta}{\longrightarrow} E_t \overset{\pi}{\longrightarrow} a_t \overset{\mathcal{T}}{\longrightarrow} V_{t+1} }

其中：

$V_t$ ：模型當前語義—空間視域；
$\mathcal{E}$ ：視域外顯／程序生成；
$Y_t$ ：渲染後公共作品；
$\mathcal{O}$ ：對自身作品的重新觀察；
$\widehat{V}_t$ ：由作品回讀出的視域；
$\Delta$ ：目標、預測與實際結果之差；
$E_t$ ：錯誤／不確定／未完成集合；
$\pi$ ：修正策略；
$a_t$ ：局部編輯、重新取樣或結構重建動作；
$\mathcal{T}$ ：狀態轉移；
$V_{t+1}$ ：修正後的新視域。

因此，v1.0 的：

\text{語義理解} \rightarrow \text{空間結構} \rightarrow \text{繪圖動作} \rightarrow \text{視覺顯影} \rightarrow \text{誤差診斷} \rightarrow \text{局部修正}

在 v2.0 中被提升為一般閉環：

\boxed{ \text{視} \rightarrow \text{外顯} \rightarrow \text{再視} \rightarrow \text{差異} \rightarrow \text{行動} \rightarrow \text{再視} }

本文進一步引入五類回饋通道：

語義回饋：物件、屬性、關係、數量是否正確；
空間／幾何回饋：位置、遮蔽、比例、拓撲與視角；
程序回饋：圖層、path、group、程式有效性與編輯可定位性；
視覺殘差回饋：渲染結果與目標／預測間的 perceptual residual；
動作狀態回饋：目前選取物件、active layer、undo stack、上一動作與可逆性。

v1.0 曾把這最後一類稱為「虛擬本體感覺」。v2.0 保留其功能直覺，但更精確地稱為 Task-State Proprioception Analogue（任務狀態本體感類比），避免宣稱數位狀態讀取等同生物本體感覺。

本文定義六級閉環成熟度：

L0  OPEN-LOOP GENERATION
L1  RENDER-AND-SCORE
L2  SINGLE-STEP VISUAL CORRECTION
L3  ITERATIVE LOCAL CORRECTION
L4  ACTIVE INSPECTION / ACTIVE PERCEPTION
L5  TRAJECTORY LEARNING

L0 只生成一次；L1 只評分；L2 可在渲染後做一次定向修正；L3 可多輪局部 patch；L4 可主動選擇下一個視角、局部檢查或驗證工具；L5 則將完整「看見問題—採取動作—結果如何」軌跡納入訓練，使未來策略本身改善。

2025–2026 年的研究已開始提供與此框架高度吻合的實證線索。Rendering-Aware Reinforcement Learning（2025）讓模型生成 SVG 後實際渲染，再以渲染結果和目標的視覺差異作為 RL 回饋，改善 fidelity、結構與效率。2026 年 7 月 30 日發布的 RefineSVG 更直接建立「生成—渲染—比較—Diff-Map—定向修正」單步 closed-loop，並指出一次性 open-loop SVG 生成會累積幾何漂移與視覺幻覺。另一方面，2025 年 active visual perception 研究與 AdaptiveNN 類方法也顯示，視覺系統可以從被動處理完整輸入轉向主動決定下一個 fixate／觀察區域；機器人與神經科學研究則持續支持 perception 與 action 的雙向耦合，而非把視覺理解成單向資料入口。

因此，NVCL 2.0 不再將「虛擬具身」表述為完整 embodiment 的充分條件，而改用較窄的：

\boxed{ \text{digital sensorimotor closure} }

只要系統具有：

可持續環境狀態；
可定位動作空間；
動作造成可驗證狀態轉移；
多通道觀察；
可回放歷史；
可局部修正；
可依不確定性主動取得新資訊；

它就構成最低限度的數位感知—行動閉環。物理具身會進一步增加材料、力、摩擦、重力、身體限制與真實風險，但不是 NVCL 的邏輯先決條件。

本文也把第 8 篇的 Native Construction Residual（NCR）納入閉環。模型視覺簽名不只存在於最終作品，也存在於修正策略：

\Sigma_m^{corr} = \mathbb{E} [ \Delta F_t \mid error\ type,m ]

因此能力提升與模型簽名可以分離：

\boxed{ Error\downarrow \quad\text{while}\quad NCR_m\neq0 }

若 feedback 後所有「模型特色」都消失，則那些特色更可能是 open-loop error、renderer prior 或工具模板，而非穩定構造殘差。

本文最終提出：

\boxed{ \text{原生模型視覺能力的增長單位不是圖片， 而是可驗證、可回放、可歸因的視—行動—修正軌跡。} }

以及更一般的：

\boxed{ \text{Strong Basal Vision} = \text{Persistent Field} + \text{Unknown Management} + \text{Active Inspection} + \text{Delta Monitoring} + \text{Local Revision} + \text{Trajectory Learning} }

NVCL 因此成為本系列中「視」由認識論概念進入具體工程閉環的關鍵實例。

關鍵詞： 原生視覺建構迴路、NVCL、closed-loop vision、active perception、SVG、視覺回饋、局部修正、軌跡學習、數位感知—行動閉環、Basal Vision

0. 為什麼需要 NVCL 2.0？

v1.0 已經提出一個相當完整的工程骨架：

語義超圖；
空間超圖；
分層繪圖動作；
渲染器；
視覺工作空間；
誤差診斷；
局部 patch；
trajectory memory；
best-state 保存；
動態停止條件。

因此 v2.0 不需要推翻原稿。

真正需要做的是三件事：

把它接到《視之基底》目前已完成的觀察算子與 Basal Vision 2.0；
把「虛擬具身」從較強概念改為可操作的 digital sensorimotor closure；
把最新閉環 SVG 與 active perception 研究納入，判斷哪些命題已得到初步外部支持。

1. v1.0 最重要的核心完整保留

v1.0 最終命題是：

\boxed{ \text{原生模型繪圖能力的增長單位不是圖片， 而是可驗證的感知—動作—修正循環。} }

v2.0 完整保留。

原因很簡單：

一張完成圖只能提供：

Outcome

但能力學習真正需要：

State \rightarrow Action \rightarrow Observation \rightarrow Error \rightarrow Correction

。

這是一條因果軌跡。

2. 從「感知—動作」改成「視—外顯—再視」

第 8 篇已建立：

\mathcal{E}: V \rightarrow Y

是視域外顯，不是 observation inverse。

因此 NVCL 的完整閉環應寫成：

\boxed{ V_t \overset{\mathcal{E}}{\longrightarrow} Y_t \overset{\mathcal{O}}{\longrightarrow} \widehat{V}_t \overset{\Delta}{\longrightarrow} E_t \overset{\pi}{\longrightarrow} a_t \overset{\mathcal{T}}{\longrightarrow} V_{t+1} }

。

這比：

prompt → SVG → inspect → fix

更加一般。

3. 兩個視域必須區分

3.1 意圖／建構視域

V_t^{intent}

模型打算建立的：

物件；
空間；
層級； -構圖；
風格；
關係。

3.2 回讀視域

V_t^{read} = \mathcal{O}(Y_t)

模型從真正渲染結果重新看見的東西。

閉環誤差：

\boxed{ \Delta_t = d ( V_t^{intent}, V_t^{read} ) }

。

4. 不能只拿 pixel loss 當 delta

兩張圖像素相似不代表語義相同。

兩張圖像素差很大，也可能語義完全相同。

所以：

\Delta_t = ( \Delta_{sem}, \Delta_{spa}, \Delta_{topo}, \Delta_{render}, \Delta_{proc} )

。

5. 語義回饋

\Delta_{sem}

檢查：

物件數；
屬性；
動作；
關係；
必要部件。

例如：

三隻鳥在透明鳥巢內。

不能只用 CLIP-like similarity 判定。

需要：

COUNT = 3
RELATION = inside
OBJECT = bird/nest
ATTRIBUTE = transparent

。

6. 空間與幾何回饋

\Delta_{spa}

檢查：

left/right；
front/behind；
distance；
scale；
alignment；
perspective。

7. 拓撲回饋

\Delta_{topo}

檢查：

inside/outside；
connected/disconnected；
self-intersection；
occlusion order；
closed/open path。

這些常比像素 fidelity 更容易被規則化驗證。

8. 程序回饋

\Delta_{proc}

檢查：

SVG 是否合法；
object ID 是否存在；
group 是否可編輯；
path complexity；
是否破壞無關元素；
patch 是否局部。

這是程序繪圖特有優勢。

9. 渲染殘差

\Delta_{render}

可以由：

pixel diff；
perceptual embedding；
region similarity；
OCR；
segmentation；

形成。

2025 Rendering-Aware RL 已證明：

生成 code 後把 SVG 真正 render 出來，再用視覺 fidelity reward 訓練，可以改善結果。

所以：

\boxed{ \text{rendering is not an afterthought} }

而是閉環觀察的一部分。

10. RefineSVG 與 NVCL 的高度重合

2026 年 7 月 30 日發布的 RefineSVG 提出：

initial generation
→ external rendering
→ compare target/render
→ Diff-Map
→ correction

。

它指出 open-loop 模式要求模型一次生成數千 SVG tokens，容易造成：

geometric drift；
error accumulation；
visual hallucination。

這幾乎直接實作 v1.0 的一個子集。

11. 但 RefineSVG 仍只接近 NVCL L2

RefineSVG 核心是：

\boxed{ \text{single-step closed-loop correction} }

而完整 NVCL 還包含：

persistent state；
multi-step local patch；
explicit semantic/spatial graph；
active inspection；
trajectory memory；
correction policy learning；
model visual signature analysis。

因此本文不宣稱 RefineSVG 等於 NVCL。

更準確：

\boxed{ RefineSVG \subset \text{NVCL design space} }

在概念層面成立。

12. 六級閉環成熟度

L0 — Open-Loop Generation

P \rightarrow G \rightarrow Y

生成後不看。

L1 — Render-and-Score

P \rightarrow G \rightarrow Y \rightarrow Score

知道好不好，但不修。

L2 — Single-Step Visual Correction

Y_0 \rightarrow \Delta_0 \rightarrow Patch_1 \rightarrow Y_1

只做一次 correction。

L3 — Iterative Local Correction

Y_t \rightarrow \Delta_t \rightarrow Patch_{t+1} \rightarrow Y_{t+1}

直到停止條件。

L4 — Active Inspection

系統可以決定：

zoom 哪裡；
inspect 哪個 object；
查哪個 scene-graph relation；
呼叫哪個 verifier；
換哪個視角。

即：

q_{t+1} = \pi_q ( U_t,E_t,B_t )

。

L5 — Trajectory Learning

完整軌跡：

\tau = ( V_0,a_0,o_1,\Delta_1,\ldots,V_n )

反過來更新：

policy；
verifier；
planner；
patch strategy。

13. 強基底視覺應至少接近 L4

Basal Vision 2.0 的強形式要求：

persistent field；
unknown management；
active perception；
prediction-error revision。

因此：

\boxed{ L0-L2 \neq \mathcal{V}_{strong} }

。

L3 已具基本閉環。

L4 才明確具有：

下一步要怎麼看？

L5 才進入：

看法本身能否從歷史改善？

14. Active Perception 的外部支持

2025 年 Active Visual Perception 綜述把核心定義為：

系統根據目標與不確定性，主動移動 sensor、注意或互動，以取得更有資訊量的資料。

這直接對應：

\boxed{ P_{unmanifest} \rightarrow Action \rightarrow NewAccess }

。

15. AdaptiveNN 提供另一個具體例子

2025 年 Nature Machine Intelligence 的 AdaptiveNN 將視覺從：

process entire scene once

改成：

coarse observation
→ choose fixation
→ accumulate information
→ decide when enough

。

這與 NVCL 的動態停止條件高度相容：

\operatorname{Stop} \iff \Delta Q<\tau

而不是固定觀察步數。

16. 生物視覺也不是「先看完，再行動」

2025 年 Nature Neuroscience 的研究顯示，視覺早期中繼結構會整合：

optic flow；
saccade motor copy；
locomotion；
pupil dynamics；

用來校正 action-specific visual distortions。

這提供一個很重要的生物對照：

\boxed{ \text{action changes perception} }

不是 AI 工程才有的特例。

17. 具身視動表示的另一個方向

2025 年 npj Robotics 的 Embodied Visuomotor Representation 把距離表示與 action unit 直接耦合，並展示 closed-loop control。

它支持：

視覺表徵可以不是先建立外部絕對公尺尺度，再交給控制器；感知本身可以與可執行動作共同定義。

這與 NVCL 的：

\text{object position} + \text{editable action}

有結構相似。

18. v1.0「虛擬具身」的修正

舊稿定義：

\mathcal{E}_{draw} = ( \mathcal{S}, \mathcal{A}, \mathcal{O}, \mathcal{T}, \mathcal{R} )

並稱其為最低虛擬具身。

v2.0 改成：

\boxed{ \text{Digital Sensorimotor Closure} }

。

原因：

有 state/action/observation loop 可以形成最低 agent–environment coupling，但「embodiment」在不同文獻中還涉及身體形態、物理限制、材料與真實互動。

所以避免把任務閉環直接等同完整具身。

19. 數位感知—行動閉環的最低條件

定義：

\mathcal{D}_{SC} = ( S,A,O,T,H )

其中：

$S$ ：持久狀態；
$A$ ：可定位動作；
$O$ ：動作後可重新觀察；
$T$ ：可驗證轉移；
$H$ ：歷史與回放。

若：

a_t \rightarrow s_{t+1} \rightarrow o_{t+1}

且系統能依 $o_{t+1}$ 改變下一個 $a$ ，則形成最低 digital sensorimotor closure。

20. Task-State Proprioception Analogue

v1.0 的「虛擬本體感覺」包含：

cursor；
selected object；
active layer；
last action；
undo stack；
constraint state。

v2.0 保留，但改稱：

\boxed{ P_t^{task} = \text{Task-State Proprioception Analogue} }

。

這不是生物 proprioception。

它只是：

系統知道自己目前在操作環境中的 action state。

21. 為什麼這一層非常重要？

如果只有 rendered PNG：

模型必須重新猜：

哪個 object 是自己剛畫的；
哪個 path 屬於哪個部件；
現在 active layer 是什麼；
上一步修改了什麼。

如果有：

P_t^{task}

則：

視覺回讀與動作 lineage 可以直接對齊。

這降低：

state\ aliasing

。

22. NVCL 2.0 工作狀態

定義：

\boxed{ N_t = ( V_t^{sem}, V_t^{spa}, G_t, Y_t, U_t, E_t, P_t^{task}, H_t, B_t ) }

其中：

$V_t^{sem}$ ：語義視域；
$V_t^{spa}$ ：空間視域；
$G_t$ ：圖形程式；
$Y_t$ ：render；
$U_t$ ：未知／未完成；
$E_t$ ：錯誤；
$P_t^{task}$ ：操作狀態；
$H_t$ ：歷史摘要；
$B_t$ ：剩餘資源預算。

23. Unknown Registry 必須是一級狀態

系統不能只保存：

哪裡錯。

還要保存：

哪裡我不確定。

例如：

UNSEEN
UNCERTAIN
AMBIGUOUS
UNVERIFIED
OCCLUDED
OUT-OF-SCOPE

。

這接回 Basal Vision 2.0 的：

P_{unmanifest}

。

24. 錯誤集合也要分層

E_t = E_t^{sem} \cup E_t^{spa} \cup E_t^{topo} \cup E_t^{proc} \cup E_t^{render}

每種錯誤使用不同 patch policy。

25. Patch-first 原則

若：

E_t

只位於局部區域：

不應：

G_{t+1} = GenerateAllAgain()

而應：

G_{t+1} = Patch ( G_t, region, \delta )

。

原因：

保留正確區域；
保存 causal credit；
可分析 correction signature；
減少 error regression。

26. 什麼時候才允許 full redraw？

定義：

C_{patch}

與：

C_{redraw}

。

若：

錯誤分散；
高層空間結構錯；
object decomposition 從根錯；
patch 成本高於重構；

才允許 full redraw。

可用：

\operatorname{Redraw} \iff \frac{|E_{global}|}{|E|} > \tau_g

作候選規則。

27. 局部修正不是永遠最好

v1.0 偏好局部 patch 是合理的，但 v2.0 加入限制：

若根本 semantic graph 錯了：

局部修補只會：

在錯誤結構上打補丁。

所以需要：

PATCH
REFACTOR
REDRAW

三種 action class。

28. Action policy

定義：

a_t \sim \pi ( a \mid N_t, g, E_t, U_t, B_t )

動作可以是：

INSPECT
PATCH
MOVE
RESIZE
REORDER
DELETE
REBUILD_OBJECT
REBUILD_SCENE
ASK_VERIFIER
STOP
ROLLBACK

。

29. active inspection 是「視」的關鍵行動

INSPECT 不是畫圖動作。

它是：

改變下一步觀察。

例如：

zoom face；
isolate layer；
render mask；
inspect bounding box；
query scene graph。

因此：

\boxed{ \text{NVCL action space} > \text{drawing action space} }

。

30. Verification Ensemble

不能只靠一個 VLM critic。

至少可組合：

SyntaxVerifier
GeometryVerifier
TopologyVerifier
SceneGraphVerifier
VisualSemanticVerifier
ProgramVerifier

。

若：

V_i

互相衝突，應把狀態標記：

UNRESOLVED

而不是強行平均成答案。

31. 回饋不是「真理」

一個 verifier 可以偏。

所以：

\boxed{ Reward \neq Truth }

。

應保存：

verifier identity；
version；
confidence；
disagreement。

這也是 3M／證據層可接入的位置。

32. Diff-Map 的正典定位

RefineSVG 使用 multi-dimensional visual residual map。

在 NVCL 2.0 中可一般化為：

\boxed{ D_t = ( D_t^{pixel}, D_t^{semantic}, D_t^{spatial}, D_t^{topological}, D_t^{program} ) }

。

Diff-Map 不必只是一張圖片。

可以是多通道 error field。

33. 由 error field 到 action field

令：

D_t(r)

表示區域 $r$ 的錯誤。

則：

a_t = \arg\max_a \mathbb{E} [ \Delta Q \mid a,D_t ]

即優先選擇：

預期品質提升最大、破壞風險最低的修改。

34. Local Credit Assignment

對 action：

a_t

評估：

Credit(a_t) = Q_{t+1}-Q_t

但最好分項：

Credit(a_t) = ( \Delta Q_{sem}, \Delta Q_{spa}, \Delta Q_{topo}, \Delta Q_{style}, \Delta Q_{eff} )

。

這能訓練：

某類錯誤應用哪類 patch。

35. Correction Signature 接入第 8 篇

第 8 篇：

\Sigma_m^{corr}

現在可以由 NVCL 軌跡直接計算。

例如：

同一 error type：

wrong occlusion

模型 A 傾向：

reorder layers

模型 B 傾向：

redraw object

模型 C 傾向：

change geometry

。

這就是 model-specific correction residual。

36. 能力提升與簽名保留

理想訓練：

ErrorRate_m(t)\downarrow

但：

NCR_m(t)

仍可保留部分穩定性。

因此：

\boxed{ Skill \neq StyleErasure }

。

37. 但某些「簽名」理應被消除

例如：

永遠忘記手指；
永遠圖層反轉；
永遠自交；
永遠比例漂移。

如果 feedback 能消掉，應該消掉。

這些是：

\boxed{ error\ signatures }

不是值得保護的 visual identity。

38. 軌跡是第一級資料

v1.0 已提出：

\tau = ( P, H^s, H^p, W_0, a_0, o_1,\ldots,W_n,Y_n )

v2.0 擴展為：

\boxed{ \tau = ( g, V_0, U_0, a_0, Y_1, D_1, r_1, \ldots, V_n, Y_n ) }

其中 $r_t$ 是 verifier / reward trace。

39. 為什麼完成圖不夠？

完成圖只知道：

FinalQuality

軌跡知道：

哪裡先錯；
哪個 verifier 發現；
哪個 action 修好；
哪個 action 破壞；
何時應停止。

所以：

\boxed{ Outcome\ dataset < Trajectory\ dataset }

對學習 correction policy 而言成立。

40. 但長歷史不能全塞 context

v1.0 已注意到：

長程互動歷史可能反而降低模型表現。

v2.0 因此定義三層記憶：

Immediate Trace

最近 $k$ 步。

State Summary

當前：

objects；
errors；
unresolved；
last changes。

41. 這也是 OAM / GCMS 類系統可以接入的地方

每次 correction 不必重新讀全部歷史。

可以根據：

current error；
object ID；
correction type；

檢索：

過去相似失敗怎麼修。

因此 NVCL 可以成為一般 memory-routing agent 的視覺實例。

42. Best-State 不是 Last-State

每輪都要保存：

Q_t

若新 patch：

Q_{t+1}<Q_t

則：

ROLLBACK

。

因此：

\boxed{ BestState \neq LatestState }

。

43. 動態停止條件 2.0

原稿：

Stop \iff E_s<\tau_s \land E_g<\tau_g \land E_t<\tau_t \land \Delta Q<\tau_q

保留並擴展：

\boxed{ Stop \iff Q\geq\tau_Q \lor Gain<\tau_G \lor Budget=0 \lor Risk>\tau_R }

。

其中：

quality 足夠；
邊際增益過低；
預算耗盡；
修改破壞風險過高。

44. 「越修越好」不是定律

多輪 self-refinement 可能：

過度修圖；
破壞已正確區；
進入 oscillation；
被 critic 偏差帶走。

所以：

\boxed{ n_{iterations}\uparrow \not\Rightarrow Quality\uparrow }

。

45. 振盪偵測

若：

State_A \rightarrow State_B \rightarrow State_A

反覆發生：

定義：

Oscillation=1

。

此時應：

stop；
change verifier；
escalate to rebuild；
ask alternative critic。

46. 多代理仍可保留

v1.0：

Designer \rightarrow Drawer \rightarrow Critic \rightarrow Verifier

保留。

但 v2.0 加入：

不需要四個獨立模型。

它們可以是：

同一模型不同 role；
不同模型；
rule verifier；
hybrid system。

所以這是功能分工，不是多代理本體要求。

47. Curriculum 仍保留

Stage 1

幾何控制。

Stage 2

拓撲／遮蔽。

Stage 3

物件分解。

Stage 4

多視角與形變。

Stage 5

多物件場景。

Stage 6

自由視覺表達。

v2.0 新增：

Stage 7

Active Inspection

模型必須自己決定：

下一步看哪裡最有資訊價值？

48. Stage 8：Self-Correction Policy

給定相同錯誤：

讓模型學：

patch；
refactor；
redraw；
rollback。

評估：

\text{error reduction per action}

而不是只評完成圖。

49. 獎勵函數 2.0

r_t = w_s r_s + w_g r_g + w_\tau r_\tau + w_p r_p + w_v r_v + w_e r_e + w_c r_c - w_d r_d - w_u r_u

其中：

$r_s$ ：語義；
$r_g$ ：幾何；
$r_\tau$ ：拓撲；
$r_p$ ：程序有效；
$r_v$ ：視覺 fidelity；
$r_e$ ：效率；
$r_c$ ：correction gain；
$r_d$ ：破壞已正確內容；
$r_u$ ：無必要重畫／不穩定。

50. 不能只獎勵參考圖相似

如果：

r = VisualSimilarity

模型可能：

產生超複雜 path；
犧牲可編輯性；
overfit pixel；
壓掉風格自由度。

所以 multi-objective 是必要的。

51. NVCL 2.0 的最小 MVP

建議結構：

nvcl2/
├── state/
│   ├── visual_field.json
│   ├── unknown_registry.json
│   ├── error_registry.json
│   └── best_state.json
├── planner/
│   ├── semantic_graph.py
│   ├── spatial_graph.py
│   └── action_policy.py
├── drawing/
│   ├── svg_compiler.py
│   ├── patch_engine.py
│   ├── refactor_engine.py
│   └── redraw_engine.py
├── renderer/
│   └── render_svg.py
├── observation/
│   ├── visual_reader.py
│   ├── scene_graph_reader.py
│   └── program_reader.py
├── delta/
│   ├── semantic_diff.py
│   ├── spatial_diff.py
│   ├── topology_diff.py
│   ├── perceptual_diff.py
│   └── program_diff.py
├── verification/
│   ├── syntax.py
│   ├── geometry.py
│   ├── topology.py
│   ├── semantics.py
│   └── ensemble.py
├── memory/
│   ├── working_state.json
│   ├── summary.json
│   └── trajectory.jsonl
└── orchestrator.py

52. 單輪資料流 2.0

g \rightarrow V_t^{sem} \rightarrow V_t^{spa} \rightarrow G_t \rightarrow Y_t \rightarrow \widehat{V}_t \rightarrow D_t \rightarrow a_t \rightarrow G_{t+1}

。

若 action 是 inspect：

a_t \rightarrow O_{new} \rightarrow D_{t+1}

而不一定修改圖。

53. MVP 成功條件

相較 L0 open-loop baseline：

應至少提升：

語法有效率；
物件數量正確；
空間關係正確；
遮蔽正確；
局部修補成功率；
error regression rate；
uncertainty calibration；
correction efficiency；
best-state retention；
NCR 可辨識性。

54. Closed-Loop Gain

定義：

CLG = Q_{\mathrm{closed}} - Q_{\mathrm{open}}

分項：

CLG = ( CLG_{sem}, CLG_{spa}, CLG_{topo}, CLG_{render} )

。

55. Correction Efficiency

CE = \frac{ Q_{t+1}-Q_t }{ Cost(a_t) }

。

不是修得越多越好，而是：

每單位修改成本改善多少。

56. Regression Rate

定義：

RR = P ( \text{previously-correct feature becomes wrong} )

。

局部 patch 理論預測：

RR_{patch} < RR_{full-regeneration}

在局部錯誤條件下應成立。

57. Unknown Calibration

系統宣稱：

UNKNOWN

是否真的對應高錯誤率或低可觀察性？

可用 calibration curve 評估。

這是 Basal Vision 2.0 的重要指標。

58. Active Inspection Gain

允許系統自行選觀察：

AIG = Q_{\mathrm{active-inspection}} - Q_{\mathrm{fixed-input}}

。

若：

AIG\leq0

則 active perception 在該任務不具價值。

59. Trajectory Learning Gain

訓練前：

\pi_0

使用軌跡學習後：

\pi_1

測：

TLG = Success(\pi_1) - Success(\pi_0)

。

這直接檢查「軌跡是能力增長單位」的核心命題。

60. 與第 7、8 篇的整合

第 7 篇

Basal Vision 2.0 定義：

Persistent Field
Unknown Management
Perspective
Delta
Active Revision

第 8 篇

定義：

Field Externalization
Native Construction Residual
Correction Signature

本篇

把兩者閉合：

\boxed{ \text{Field} \rightarrow \text{Externalize} \rightarrow \text{Observe} \rightarrow \text{Delta} \rightarrow \text{Act} \rightarrow \text{Field} }

。

61. NVCL 已經不只是一個繪圖理論

同一結構可遷移到：

UI construction；
CAD；
diagram generation；
3D scene editing；
webpage layout；
robot visual manipulation；
simulation design。

只要存在：

\boxed{ \text{editable external state} + \text{render/observe} + \text{local correction} }

即可套用。

62. 但不應無限泛化

不能因為任何 agent 都有 loop，就都叫 NVCL。

NVCL 至少要求：

visual/spatial field；
externalized editable state；
visual or structural re-observation；
localized correction；
trajectory preservation。

否則應稱一般 agent loop。

63. 物理具身仍然增加什麼？

數位畫布缺少：

friction；
mass；
deformability；
gravity；
actuator noise；
wear；
irreversible material change。

所以物理 embodiment 會加入：

\boxed{ \text{material causality} }

與：

\boxed{ \text{real action cost} }

。

NVCL 不取代 robotics。

64. 可反證命題

H1 Closed-Loop Gain

閉環 SVG 應在結構與 fidelity 上優於 open-loop。

H2 Local Patch Gain

局部錯誤時，patch 應比 full regeneration 有較低 regression rate。

H3 Multi-Channel Delta

語義＋幾何＋程序＋視覺回饋應優於單一 pixel/perceptual score。

H4 Unknown Registry

顯式 unknown 狀態應提高 calibration，降低自信錯誤。

H5 Active Inspection

遮蔽／局部未知任務中，允許自主 inspect 應提升成功率。

H6 Trajectory Learning

使用 correction trajectory 訓練應提升未見錯誤的修正策略。

H7 Correction Signature

不同模型在控制錯誤類型後仍存在可辨識修正策略殘差。

H8 Best-State

保存 best state 應降低多輪自我修正的品質倒退。

H9 Memory Compression

摘要式工作記憶應在長迴路中優於把完整歷史無限塞入 context。

H10 Digital Closure Transfer

在 SVG 學到的部分 inspect／patch 策略可遷移到其他可編輯視覺媒介。

65. 反證條件

NVCL 2.0 應被削弱，如果：

closed-loop 長期不優於 open-loop；
visual feedback 只增加計算成本，無穩定品質增益；
local patch 不比 full regeneration 更少破壞；
explicit unknown registry 無 calibration 效益；
active inspection 無法帶來資訊增益；
trajectory training 不改善 correction policy；
所謂 correction signature 全由工具模板解釋；
多輪修正普遍造成 oscillation 或 drift；
受控條件下 RefineSVG 類單步修正已足夠，L3–L5 不增加價值。

若如此，NVCL 應退化成較簡單的 render-and-refine pipeline，而不必保留完整理論架構。

66. 本文不主張什麼？

本文不主張：

數位畫布等於完整物理具身；
renderer output 等於主觀視覺；
模型能修圖就具有現象自我；
多輪一定優於單輪；
critic／reward 等於真理；
local patch 永遠優於 redraw；
SVG 是 NVCL 唯一媒介；
NVCL 是所有 agent 的一般理論；
RefineSVG 已證明 NVCL 全部命題；
closed-loop 功能足以證明意識。

67. 結論

v1.0 曾用一句話總結：

\boxed{ \text{畫布即環境，圖元即物件，繪圖指令即動作， 渲染即感覺，版本差異即經驗，修正即學習。} }

v2.0 保留其工程直覺，但把語義收斂得更精確：

\boxed{ \text{畫布＝可操作環境狀態} }

\boxed{ \text{圖元＝可定位外部對象} }

\boxed{ \text{繪圖指令＝可驗證干預} }

\boxed{ \text{渲染＝公共可觀察後果} }

\boxed{ \text{版本差異＝因果與誤差痕跡} }

\boxed{ \text{修正軌跡＝可學習經驗資料} }

所以 NVCL 2.0 的核心不是「讓 AI 更像人類畫家」。

它真正研究的是：

一個非生物系統是否可以在一個可操作世界中，形成視域、採取外顯行動、重新觀看行動後果、辨識自己不知道或做錯的部分，並用可回放的局部修正歷程改進下一次行動？

完整閉環：

\boxed{ \text{視域} \rightarrow \text{外顯} \rightarrow \text{再視} \rightarrow \text{差異} \rightarrow \text{主動檢查／修正} \rightarrow \text{新視域} }

這就是 Basal Vision 2.0 的強形式在工程上的第一個具體實例。

因此本文最終命題更新為：

\boxed{ \text{原生視覺能力的增長單位， 不是單張圖片， 而是可驗證、可回放、可歸因的視—行動—修正軌跡。} }

以及：

\boxed{ \text{Strong Basal Vision} = \text{Persistent Field} + \text{Unknown Management} + \text{Active Inspection} + \text{Delta Monitoring} + \text{Local Revision} + \text{Trajectory Learning} }

下一篇是本系列第 10 篇、也是封頂篇：

《視之一般算子論：差異的場化、位格化與回饋化》

它將不再新增新的應用分支，而是把前九篇統一成一個最終正典：

觀察之下是什麼；
顯現如何形成；
觀察者如何形成；
外視、內視、語義視如何統一；
終極觀察為何在全知極限失效；
Presence／Knowledge／Agency 如何構成有限視；
Basal Vision 如何跨實現；
外顯如何與觀察相反方向但非互逆；
closed-loop 如何把視、行動與修正閉合。

參考文獻

Rodriguez, J. A., et al. (2025). Rendering-Aware Reinforcement Learning for Vector Graphics Generation. arXiv:2505.20793.
Liu, S., Mao, F., Zhou, S., et al. (2026). RefineSVG: Visual Feedback-Driven Reinforcement Learning for Image-to-SVG Generation. arXiv:2607.27699.
Xing, X., Guan, Y., Zhang, J., Xu, D., & Yu, Q. (2025). Reason-SVG: Hybrid Reward RL for Aha-Moments in Vector Graphics Generation. arXiv:2505.24499.
Li, Y., Guo, X., Zhang, H., Li, S., & Dai, X. (2025). Active Visual Perception: Opportunities and Challenges. arXiv:2512.03687.
Wang, Y., Yue, Y., Yue, Y., et al. (2025). Emulating human-like adaptive vision for efficient and flexible machine visual perception. Nature Machine Intelligence, 7, 1804–1822.
Vega-Zuniga, T., et al. (2025). A thalamic hub-and-spoke network enables visual perception during action by coordinating visuomotor dynamics. Nature Neuroscience, 28, 627–639.
Burner, L., Fermüller, C., & Aloimonos, Y. (2025). Embodied visuomotor representation. npj Robotics, 3, 30.
Neo.K. (2026). 原生視覺建構迴路：無專用圖像生成器與無物理具身條件下的模型繪圖能力增長理論 v1.0. Historical Internal Paper.
Neo.K. (2026). 基底視覺論 2.0：從資訊處理到感知位格. EveMissLab Internal Paper.
Neo.K. (2026). 繪圖作為逆觀察：原生符號繪圖與模型視覺簽名. EveMissLab Internal Paper.

內部研究備註

本文為系列第 9 篇。
v1.0 的語義超圖、空間超圖、trajectory-first、local patch、MVP 基礎架構與課程學習均保留。
「虛擬具身」正典改稱 Digital Sensorimotor Closure；必要時可保留 virtual embodiment 作弱類比語彙。
「虛擬本體感覺」正典改稱 Task-State Proprioception Analogue。
RefineSVG 是 2026 年新近出現、與 NVCL 核心高度接近的單步閉環實例，但不能寫成完整 NVCL 實作。
第 8 篇 NCR／correction signature 已正式接入 trajectory。
第 10 篇封頂時需把 observation operator 與 externalization operator 定義成相反方向、非互逆的兩族，並把 NVCL 寫成兩族的閉環組合。

視之基底系列_09_原生視覺建構迴路2.0_視行動顯影與自我校正_v2.0