PAIS-04｜具身個體化：相同模型如何被不同世界線逼成不同操作個體
Embodied Individualization: How Identical Models Become Operationally Distinct Through Divergent Worldlines
系列： Persistent Agent Individualization Series（PAIS）／持續智能體個體化、身份壓力與具身分散智能系列篇次： Paper 04 / 07文件編號： EML-PAIS-04-2026-v0.1作者： Neo.KAI 協作： Aletheia / GPT-5.6 Sol機構： EveMissLab／一言諾科技有限公司日期： 2026-08-25版本： v0.1文件性質： 理論—工程統合論文／Embodied AI／Operational Identity／Physical Worldline狀態： Canonical Draft / Open Revision AnchorCanonical Source： UTF-8 Markdown數學原始碼規範： inline math 僅使用 $...$；display math 僅使用 $$...$$
摘要
若兩台具身 AI 使用完全相同的模型、相同初始軟體、相同任務政策與相同硬體規格，它們是否可以一直被視為「同一種 AI 的兩個可互換執行點」？本文提出：在部署初始時，此近似可能成立；但只要兩個具身體位於不同時空位置、接收不同感測、執行不同動作、承受不同物理磨損、累積不同失敗與維修歷史，它們便會形成不同的 operational worldlines。這種差異不需要先假設主觀意識、自由意志或人格，只需要承認物理世界的局部性、不可逆性與歷史依賴。
本文承接 PAIS-03 的身份壓力原理：
P I = Φ ( X , H , E , R , A , L , J ) , P_I
=
\Phi
\left(
X,H,E,R,A,L,J
\right), P I = Φ ( X , H , E , R , A , L , J ) , 並專門展開：
E → H → P I . E
\rightarrow
H
\rightarrow
P_I. E → H → P I . 本文定義具身 Agent A A A Operational Worldline ：
Ω A [ 0 , t ] = { B A ( τ ) , x A ( τ ) , O A ( τ ) , U A ( τ ) , C A ( τ ) , Q A ( τ ) , M A ( τ ) } τ ∈ [ 0 , t ] , \Omega_A[0,t]
=
\left\{
B_A(\tau),
x_A(\tau),
O_A(\tau),
U_A(\tau),
C_A(\tau),
Q_A(\tau),
M_A(\tau)
\right\}_{\tau\in[0,t]}, Ω A [ 0 , t ] = { B A ( τ ) , x A ( τ ) , O A ( τ ) , U A ( τ ) , C A ( τ ) , Q A ( τ ) , M A ( τ ) } τ ∈ [ 0 , t ] , 其中：
B A B_A B A x A x_A x A O A O_A O A U A U_A U A C A C_A C A Q A Q_A Q A M A M_A M A
即使兩個 Agent 初始時：
Θ A ( 0 ) = Θ B ( 0 ) , \Theta_A(0)=\Theta_B(0), Θ A ( 0 ) = Θ B ( 0 ) , 只要：
Ω A [ 0 , t ] ≠ Ω B [ 0 , t ] , \Omega_A[0,t]
\neq
\Omega_B[0,t], Ω A [ 0 , t ] = Ω B [ 0 , t ] , 且這些差異會影響未來感知、控制、維修、權限、記憶或責任，兩者便逐步失去 operational interchangeability。
本文稱此過程為 Embodied Individualization／具身個體化 ：
Shared Model + Divergent Physical Worldlines → Operational Individualization . \boxed{
\text{Shared Model}
+
\text{Divergent Physical Worldlines}
\rightarrow
\text{Operational Individualization}.
} Shared Model + Divergent Physical Worldlines → Operational Individualization . 這不是說兩台機器「因此產生兩個主觀自我」。本文只主張更弱且可工程驗證的命題：系統不能再僅以 model name、software version 或 role 將它們視為完全可交換，因為其 local state 已具有不同的因果歷史。
本文進一步區分：
Model Identity , Resident Identity , Carrier Identity , Operational Worldline Identity . \text{Model Identity},
\quad
\text{Resident Identity},
\quad
\text{Carrier Identity},
\quad
\text{Operational Worldline Identity}. Model Identity , Resident Identity , Carrier Identity , Operational Worldline Identity . 同一 resident 可以合法遷移到不同 carrier；同一 carrier 也可能更換 runtime、model 或 resident。零件更換、維修、校準、software update、compromise、backup restore 與 body replacement 因此不應使用單一「是不是同一台」判斷，而應依 criterion、scope、time 與 evidence 建立多層 identity relation。
本文亦指出，全域模型同步與中央知識更新不會消除具身個體化。即使所有機器人每天下載完全相同的 global model：
Θ A G ( t ) = Θ B G ( t ) , \Theta_A^{G}(t)
=
\Theta_B^{G}(t), Θ A G ( t ) = Θ B G ( t ) , 其 local observation、physical wear、position、task history 與 interaction history 仍可能不同：
Ω A ≠ Ω B . \Omega_A
\neq
\Omega_B. Ω A = Ω B . 因此：
Global Model Equality ≠ Local Operational Equality . \boxed{
\text{Global Model Equality}
\neq
\text{Local Operational Equality}.
} Global Model Equality = Local Operational Equality . 本文最後提出 Worldline-Induced Identity Pressure 、Operational Interchangeability Test 、Embodied Identity Envelope 與一組可驗證實驗，作為未來多機器人、physical AI、維修治理、事故歸因、跨載體遷移與 federated embodied-agent society 的身份基礎。
關鍵詞： Embodied Individualization、Operational Worldline、Robot Identity、Persistent Agent、Physical AI、History Divergence、Carrier Identity、Operational Interchangeability、AI Residence、Embodied AI、World Model
0. 來源邊界：本文不重新寫具身學習閉環
既有 EveMissLab 具身研究已建立：
具身 AI 的問題不是單純把最大模型塞入機器人。
機器人本體、本地 AI 站與中央 AI 中心可形成分層學習閉環。
具身機器人會透過感知、行動、失敗、資料回流與技能更新形成持續學習。
VLA 與世界模型需要真實物理資料，因為語義正確不等於物理動作成功。
Dynamic Genba 已指出最強全域智能不必然最理解當下局部狀態。
AI 主體性錨點論已區分 Model、Runtime、Identity、Residence、Subjecthood。
PAIS-03 已提出：Embodiment → History Divergence → P I ↑ . \text{Embodiment}
\rightarrow
\text{History Divergence}
\rightarrow
P_I\uparrow. Embodiment → History Divergence → P I ↑ .
本文不再研究：
機器人如何學得更好？
本文只研究：
當兩個初始相同的具身 AI 真正落入物理世界後，何時開始不能再被當成完全可互換的同一模型執行點？
1. 最簡單的思想實驗：兩台完全相同的機器人
設兩台機器人：
A , B . A,
\quad
B. A , B . 初始時：
Θ A ( 0 ) = Θ B ( 0 ) = Θ 0 , \Theta_A(0)
=
\Theta_B(0)
=
\Theta_0, Θ A ( 0 ) = Θ B ( 0 ) = Θ 0 , 其中 Θ \Theta Θ
假設硬體也相同：
B A ( 0 ) ≅ B B ( 0 ) . B_A(0)
\cong
B_B(0). B A ( 0 ) ≅ B B ( 0 ) . 初始 configuration：
C A ( 0 ) = C B ( 0 ) . C_A(0)
=
C_B(0). C A ( 0 ) = C B ( 0 ) . 如果兩台都尚未部署，可以近似：
A ∼ B . A
\sim
B. A ∼ B . 也就是：
從目前工程目的看，它們近似可互換。
但 deployment 開始後，這個等價關係不必持續。
2. 第一個差異：物理位置
若：
x A ( t ) ≠ x B ( t ) , x_A(t)
\neq
x_B(t), x A ( t ) = x B ( t ) , 則兩者位於不同時空位置。
因此一般情況下：
O A ( W t ) ≠ O B ( W t ) , O_A(W_t)
\neq
O_B(W_t), O A ( W t ) = O B ( W t ) , 其中 O i O_i O i i i i W t W_t W t
即使兩台 camera specification 一模一樣，也不會同時看到同一組 photons、occlusion、object pose、noise、human interaction 與 local event。
所以：
Same Sensor Design ≠ Same Observation History . \boxed{
\text{Same Sensor Design}
\neq
\text{Same Observation History}.
} Same Sensor Design = Same Observation History . 3. 第二個差異：動作歷史
兩個 Agent 接收不同 observation 後，可能執行不同 action：
U A ( t ) ≠ U B ( t ) . U_A(t)
\neq
U_B(t). U A ( t ) = U B ( t ) . 即使 policy 相同：
π A = π B , \pi_A=\pi_B, π A = π B , 只要 input state 不同：
s A ≠ s B , s_A\neq s_B, s A = s B , 就可以：
π ( s A ) ≠ π ( s B ) . \pi(s_A)\neq\pi(s_B). π ( s A ) = π ( s B ) . 所以：
Same Policy ≠ Same Action History . \boxed{
\text{Same Policy}
\neq
\text{Same Action History}.
} Same Policy = Same Action History . 4. 第三個差異：世界會回應
Action 不只產生 log。
Action 會改變世界：
W t + 1 = F ( W t , U A ( t ) , U B ( t ) , U o t h e r s ( t ) ) . W_{t+1}
=
F
\left(
W_t,
U_A(t),
U_B(t),
U_{\mathrm{others}}(t)
\right). W t + 1 = F ( W t , U A ( t ) , U B ( t ) , U others ( t ) ) . 因此每個 Agent 的行動都可能產生自己的局部 consequence：
C A ( t ) , C B ( t ) . C_A(t),
\quad
C_B(t). C A ( t ) , C B ( t ) . 例如：
A 抓過某個杯子；
B 沒抓過；
A 撞過桌角；
B 沒撞過；
A 與某個人完成交付；
B 在另一個場域執行巡檢。
所以：
Embodied Action → World-Recorded Difference . \boxed{
\text{Embodied Action}
\rightarrow
\text{World-Recorded Difference}.
} Embodied Action → World-Recorded Difference . 5. Operational Worldline
本文定義具身 Agent A A A
Ω A [ 0 , t ] = { B A ( τ ) , x A ( τ ) , O A ( τ ) , U A ( τ ) , C A ( τ ) , Q A ( τ ) , M A ( τ ) } τ ∈ [ 0 , t ] . \boxed{
\Omega_A[0,t]
=
\left\{
B_A(\tau),
x_A(\tau),
O_A(\tau),
U_A(\tau),
C_A(\tau),
Q_A(\tau),
M_A(\tau)
\right\}_{\tau\in[0,t]}.
} Ω A [ 0 , t ] = { B A ( τ ) , x A ( τ ) , O A ( τ ) , U A ( τ ) , C A ( τ ) , Q A ( τ ) , M A ( τ ) } τ ∈ [ 0 , t ] . 其中：
B A B_A B A x A x_A x A O A O_A O A U A U_A U A C A C_A C A Q A Q_A Q A M A M_A M A
這不是宣稱世界線是基本物理本體。
它是：
an operational history representation . \boxed{
\text{an operational history representation}.
} an operational history representation . 6. Worldline Divergence
對兩個 Agent：
A , B , A,
\quad
B, A , B , 定義 worldline divergence：
D Ω ( A , B , t ) = D ( Ω A [ 0 , t ] , Ω B [ 0 , t ] ) . D_{\Omega}
\left(
A,B,t
\right)
=
\mathcal D
\left(
\Omega_A[0,t],
\Omega_B[0,t]
\right). D Ω ( A , B , t ) = D ( Ω A [ 0 , t ] , Ω B [ 0 , t ] ) . 本文不固定 D \mathcal D D
不同應用可以測：
sensor divergence；
action divergence；
memory divergence；
wear divergence；
location divergence；
authority divergence；
consequence divergence。
重要的是：
D Ω > 0 D_{\Omega}>0 D Ω > 0 本身不等於人格分裂。
它只表示兩個 operational histories 已不相同。
7. 具身個體化
本文定義 Embodied Individualization ：
若兩個初始可交換的 Agent 在部署後形成持續 worldline divergence，且該 divergence 會影響未來 observation、action、maintenance、memory、authority、risk 或 attribution，則兩者逐步成為不同 operational individuals。
形式化：
D Ω ( A , B , t ) > θ Ω ∧ FutureRelevant ( D Ω ) = 1 ⇒ OperationallyDistinct ( A , B ) = 1. \boxed{
D_{\Omega}(A,B,t)>\theta_{\Omega}
\land
\operatorname{FutureRelevant}(D_{\Omega})=1
\Rightarrow
\operatorname{OperationallyDistinct}(A,B)=1.
} D Ω ( A , B , t ) > θ Ω ∧ FutureRelevant ( D Ω ) = 1 ⇒ OperationallyDistinct ( A , B ) = 1. 其中 θ Ω \theta_{\Omega} θ Ω
8. Worldline 不同不是唯一條件
任何兩個物理物體都有微觀差異。
本文不是要求：
D Ω > 0 D_{\Omega}>0 D Ω > 0 就立刻建立強 identity。
關鍵是差異是否：
FutureRelevant = 1. \operatorname{FutureRelevant}=1. FutureRelevant = 1. 例如：
一次不影響未來的微小 sensor noise；
無關緊要的電池溫度差；
可能不值得提升 identity semantics。
但：
calibration drift；
motor wear；
private memory；
accident history；
authority；
user relation；
會影響 future behavior，就應被視為 identity-relevant。
9. Operational Interchangeability
定義：
X A B Γ ( t ) \mathcal X_{AB}^{\Gamma}(t) X A B Γ ( t ) 為在 task domain Γ \Gamma Γ
若：
X A B Γ ( t ) ≈ 1 , \mathcal X_{AB}^{\Gamma}(t)\approx1, X A B Γ ( t ) ≈ 1 , 則互換 A / B 幾乎不影響 task outcome。
若：
X A B Γ ( t ) ≈ 0 , \mathcal X_{AB}^{\Gamma}(t)\approx0, X A B Γ ( t ) ≈ 0 , 互換會造成顯著差異。
因此：
Operational Individualization ≈ 1 − X A B Γ . \boxed{
\text{Operational Individualization}
\approx
1-\mathcal X_{AB}^{\Gamma}.
} Operational Individualization ≈ 1 − X A B Γ . 這是比「是不是同一個」更可測的第一步。
10. 同模型不代表可互換
即使：
Θ A ( t ) = Θ B ( t ) , \Theta_A(t)
=
\Theta_B(t), Θ A ( t ) = Θ B ( t ) , 仍可能：
Q A ( t ) ≠ Q B ( t ) , Q_A(t)\neq Q_B(t), Q A ( t ) = Q B ( t ) , M A ( t ) ≠ M B ( t ) , M_A(t)\neq M_B(t), M A ( t ) = M B ( t ) , x A ( t ) ≠ x B ( t ) . x_A(t)\neq x_B(t). x A ( t ) = x B ( t ) . 所以：
Model Equality ⇏ Operational Interchangeability . \boxed{
\text{Model Equality}
\not\Rightarrow
\text{Operational Interchangeability}.
} Model Equality ⇒ Operational Interchangeability . 11. Open X-Embodiment 的一個重要工程啟示
現有 robotics research 已經證明一個 shared model 可以跨多種 robot embodiments 使用。
這對本文非常重要，因為它提供一個強反例：
model identity 與 embodiment identity 根本不必一對一。
可以：
Θ → { B 1 , B 2 , … , B n } . \Theta
\rightarrow
\{
B_1,
B_2,
\ldots,
B_n
\}. Θ → { B 1 , B 2 , … , B n } . 因此：
One Model ≠ One Body ≠ One Operational Individual . \boxed{
\text{One Model}
\neq
\text{One Body}
\neq
\text{One Operational Individual}.
} One Model = One Body = One Operational Individual . 共享 foundation model 可以是一個能力 substrate。
但 deployed robot identity 仍需要另外處理。
12. Multi-Robot Collaboration 又進一步證明 Body Differences 有工程價值
現代 robotic foundation model 已開始支援：
multi-robot coordination；
shared task；
heterogeneous physical strengths；
task delegation。
這意味著即使多個 robot 共用相同高階模型，系統仍需要知道：
哪一個 body 具有哪種 physical capability？
所以：
Capability ( B A ) ≠ Capability ( B B ) \operatorname{Capability}(B_A)
\neq
\operatorname{Capability}(B_B) Capability ( B A ) = Capability ( B B ) 可以成為 task allocation 的第一級狀態。
這再次說明：
Shared Intelligence ≠ Shared Embodied State . \boxed{
\text{Shared Intelligence}
\neq
\text{Shared Embodied State}.
} Shared Intelligence = Shared Embodied State . 13. Physical Carrier State
定義：
B A ( t ) = ( H A h w , F A f w , S A s e n s o r , A A a c t , P A p o w e r , T A t h e r m a l ) t . B_A(t)
=
\left(
H_A^{hw},
F_A^{fw},
S_A^{sensor},
A_A^{act},
P_A^{power},
T_A^{thermal}
\right)_t. B A ( t ) = ( H A h w , F A f w , S A se n sor , A A a c t , P A p o w er , T A t h er ma l ) t . 可包含：
hardware composition；
firmware；
sensor health；
actuator health；
power；
thermal state。
即使 software 完全相同：
S o f t w a r e A = S o f t w a r e B , Software_A=Software_B, S o f tw a r e A = S o f tw a r e B , 仍可能：
B A ( t ) ≠ B B ( t ) . B_A(t)\neq B_B(t). B A ( t ) = B B ( t ) . 14. Wear 是歷史
一台機器人的 wear：
W A w e a r ( t ) W_A^{wear}(t) W A w e a r ( t ) 不是 static spec。
它是過去 action / environment 的積分結果。
概念上：
W A w e a r ( t ) = ∫ 0 t g ( U A ( τ ) , E n v A ( τ ) , L o a d A ( τ ) ) d τ . W_A^{wear}(t)
=
\int_0^t
g
\left(
U_A(\tau),
Env_A(\tau),
Load_A(\tau)
\right)
d\tau. W A w e a r ( t ) = ∫ 0 t g ( U A ( τ ) , E n v A ( τ ) , L o a d A ( τ ) ) d τ . 因此：
Wear State = Compressed Physical History . \boxed{
\text{Wear State}
=
\text{Compressed Physical History}.
} Wear State = Compressed Physical History . 15. Calibration 也是個體狀態
Sensor calibration：
K A c a l ( t ) K_A^{cal}(t) K A c a l ( t ) 可能因：
vibration；
temperature；
replacement；
collision；
maintenance；
而變化。
所以同一 sensor model：
S e n s o r M o d e l A = S e n s o r M o d e l B SensorModel_A
=
SensorModel_B S e n sor M o d e l A = S e n sor M o d e l B 不表示：
K A c a l ( t ) = K B c a l ( t ) . K_A^{cal}(t)
=
K_B^{cal}(t). K A c a l ( t ) = K B c a l ( t ) . 這會直接影響 observation reliability。
16. 電池與能源狀態也是局部歷史
對 mobile robot：
P A ( t ) P_A(t) P A ( t ) 會影響：
planning horizon；
speed；
available compute；
return-to-base decision；
thermal budget。
所以兩台同模型 robot：
P A ≠ P B P_A\neq P_B P A = P B 時可能採取不同 policy branch。
這不是「人格不同」。
是 physical operational state 不同。
17. Maintenance History
定義維修歷史：
H A m a i n t = { m 1 , m 2 , … , m k } . H_A^{maint}
=
\{
m_1,m_2,\ldots,m_k
\}. H A main t = { m 1 , m 2 , … , m k } . 維修事件可能包含：
component replacement；
calibration；
firmware flash；
safety inspection；
damage repair。
這些事件會改變：
B A ( t ) . B_A(t). B A ( t ) . 因此：
Maintenance History is identity-relevant when it affects future behavior or accountability . \boxed{
\text{Maintenance History}
\text{ is identity-relevant when it affects future behavior or accountability}.
} Maintenance History is identity-relevant when it affects future behavior or accountability . 18. Accident History
如果 A 曾發生事故：
e A , e_A, e A , B 沒有。
事故可能導致：
inspection；
restriction；
component replacement；
policy adjustment；
liability record。
所以：
H A a c c i d e n t ≠ H B a c c i d e n t . H_A^{accident}
\neq
H_B^{accident}. H A a cc i d e n t = H B a cc i d e n t . 此時互換 A / B 可能不再合法或安全。
19. Local Memory
如果兩個 robot 各自保存：
M A l o c a l , M B l o c a l , M_A^{local},
\quad
M_B^{local}, M A l oc a l , M B l oc a l , 且 local experience 會影響 future action：
M A ( t ) → U A ( t + 1 ) , M_A(t)
\rightarrow
U_A(t+1), M A ( t ) → U A ( t + 1 ) , 則 memory divergence 強化 operational individuality。
因此：
Local Memory + Embodiment → Stronger Worldline Coupling . \boxed{
\text{Local Memory}
+
\text{Embodiment}
\rightarrow
\text{Stronger Worldline Coupling}.
} Local Memory + Embodiment → Stronger Worldline Coupling . 20. Local Adaptation
若 local learning 更新：
θ A l o c a l ( t ) , \theta_A^{local}(t), θ A l oc a l ( t ) , 可以有：
θ A l o c a l ( t ) ≠ θ B l o c a l ( t ) \theta_A^{local}(t)
\neq
\theta_B^{local}(t) θ A l oc a l ( t ) = θ B l oc a l ( t ) 即使 global base model：
Θ G \Theta^G Θ G 相同。
所以完整 policy 可以寫成：
π A = F ( Θ G , θ A l o c a l , B A , M A ) . \pi_A
=
F
\left(
\Theta^G,
\theta_A^{local},
B_A,
M_A
\right). π A = F ( Θ G , θ A l oc a l , B A , M A ) . 21. 中央更新不會抹掉 Local History
假設中央每天推送：
Θ t + 1 G \Theta^G_{t+1} Θ t + 1 G 給所有 robot。
則：
Θ A G = Θ B G . \Theta_A^G
=
\Theta_B^G. Θ A G = Θ B G . 但：
M A ≠ M B , M_A\neq M_B, M A = M B , B A ≠ B B , B_A\neq B_B, B A = B B , H A ≠ H B . H_A\neq H_B. H A = H B . 因此：
Global Model Synchronization ≠ Local Identity Reset . \boxed{
\text{Global Model Synchronization}
\neq
\text{Local Identity Reset}.
} Global Model Synchronization = Local Identity Reset . 22. Global Knowledge 與 Local Individuality 可以同時存在
兩個 robot 都能接收：
K G K^G K G 共享知識。
但仍保持：
K A l o c a l , K B l o c a l . K_A^{local},
\quad
K_B^{local}. K A l oc a l , K B l oc a l . 因此：
Shared Knowledge + Local History \boxed{
\text{Shared Knowledge}
+
\text{Local History}
} Shared Knowledge + Local History 不是矛盾。
這其實比「所有 robot 必須完全同一」更符合分層具身學習閉環。
23. 世界模型也可能有 Global / Local 之分
可以有：
W t G W^G_t W t G 中央 world model。
以及：
W A L ( t ) W_A^L(t) W A L ( t ) A 的 local world state。
通常：
W A L ≠ W B L . W_A^L
\neq
W_B^L. W A L = W B L . 而：
W G W^G W G 只能透過 projection / update 接收局部資訊。
所以：
Global World Model ≠ Current Local World State . \boxed{
\text{Global World Model}
\neq
\text{Current Local World State}.
} Global World Model = Current Local World State . 24. Dynamic Genba 與本文的接點
Dynamic Genba 已經指出：
Global Intelligence Superiority ⇏ Local Epistemic Superiority . \text{Global Intelligence Superiority}
\not\Rightarrow
\text{Local Epistemic Superiority}. Global Intelligence Superiority ⇒ Local Epistemic Superiority . 本文把它轉成 identity 問題：
如果不同 robot 擁有不同 current local state，那麼 central intelligence 在協調它們時必須知道是哪一個 local worldline 的 observation。
因此：
Local Epistemic Priority ⇒ Local Identity Resolution Requirement . \boxed{
\text{Local Epistemic Priority}
\Rightarrow
\text{Local Identity Resolution Requirement}.
} Local Epistemic Priority ⇒ Local Identity Resolution Requirement . 25. World Action Model 的接點
2026 年的 World Action Model 研究將 embodied AI 從單純 observation-to-action mapping，推向：
future state prediction；
action-conditioned dynamics；
recovery trajectory；
deployment feedback；
continual adaptation。
這種架構更強化本文的歷史觀。
因為 action 的價值不只在當下輸出。
還在：
Action → Future State → New Observation → New Policy State . \text{Action}
\rightarrow
\text{Future State}
\rightarrow
\text{New Observation}
\rightarrow
\text{New Policy State}. Action → Future State → New Observation → New Policy State . 也就是具身 worldline 的因果閉環。
26. Worldline Causal Loop
本文寫成：
O A ( t ) → U A ( t ) → C A ( t ) → W A ( t + 1 ) → O A ( t + 1 ) . O_A(t)
\rightarrow
U_A(t)
\rightarrow
C_A(t)
\rightarrow
W_A(t+1)
\rightarrow
O_A(t+1). O A ( t ) → U A ( t ) → C A ( t ) → W A ( t + 1 ) → O A ( t + 1 ) . 如果還有 local memory：
O A ( t ) → M A ( t + 1 ) → U A ( t + 1 ) . O_A(t)
\rightarrow
M_A(t+1)
\rightarrow
U_A(t+1). O A ( t ) → M A ( t + 1 ) → U A ( t + 1 ) . 因此：
Embodied History is causally recurrent . \boxed{
\text{Embodied History}
\text{ is causally recurrent}.
} Embodied History is causally recurrent . 不是單純 log archive。
27. 何時 worldline 才真正 identity-relevant？
本文提出六個條件。
若 worldline difference 影響至少一項：
future perception；
future action；
safety；
maintenance；
authority；
attribution / liability；
則：
IdentityRelevant ( Δ Ω ) = 1. \operatorname{IdentityRelevant}(\Delta\Omega)=1. IdentityRelevant ( ΔΩ ) = 1. 28. Operational Individualization Pressure
定義：
P O I = Ψ ( D Ω , F R , R , A , L ) , P_{OI}
=
\Psi
\left(
D_{\Omega},
F_R,
R,
A,
L
\right), P O I = Ψ ( D Ω , F R , R , A , L ) , 其中：
D Ω D_{\Omega} D Ω F R F_R F R R R R A A A L L L
因此：
P O I P_{OI} P O I 是 PAIS-03 中：
E , H , R , A , L E,H,R,A,L E , H , R , A , L 的具身特化。
29. Individualization 不是 Isolation
一個 operational individual 可以：
接收 global model；
共享 task；
共享 memory projection；
受中央 supervisor 管理；
與其他 robot 協作。
所以：
Individualization ≠ Isolation . \boxed{
\text{Individualization}
\neq
\text{Isolation}.
} Individualization = Isolation . 30. Individualization 也不是 Independence
具身 Agent 可以高度依賴：
G G G 中央 AI。
仍然：
Ω A ≠ Ω B . \Omega_A\neq\Omega_B. Ω A = Ω B . 因此：
Operational Individuality ≠ Full Autonomy . \boxed{
\text{Operational Individuality}
\neq
\text{Full Autonomy}.
} Operational Individuality = Full Autonomy . 一台受遠端嚴格控制的 robot 仍可能有自己獨特的 physical history。
31. Carrier Identity
定義 carrier identity：
I C . I_C. I C . 它回答：
這個 physical unit 是哪一台？
可能由：
hardware root；
serial；
TPM / secure element；
manufacturing record；
asset registry；
支援。
但：
I C I_C I C 不等於 resident identity。
32. Resident Identity
Resident identity：
I R . I_R. I R . 回答：
哪一條 persistent AI identity / lineage 正在這個 carrier 上被承載？
因此可以：
I R → I C . I_R
\rightarrow
I_C. I R → I C . 但不是永久一對一。
33. Runtime Identity
Runtime：
I U . I_U. I U . 回答：
現在是哪一次 process / agent loop / control runtime？
一次 reboot：
I U ( t ) ≠ I U ( t + 1 ) I_U(t)\neq I_U(t+1) I U ( t ) = I U ( t + 1 ) 不必表示：
I R ( t ) ≠ I R ( t + 1 ) . I_R(t)\neq I_R(t+1). I R ( t ) = I R ( t + 1 ) . 34. 四種 Identity 必須分開
本文至少區分：
I M ≠ I R ≠ I C ≠ I U , \boxed{
I_M
\neq
I_R
\neq
I_C
\neq
I_U,
} I M = I R = I C = I U , 其中：
I M I_M I M I R I_R I R I C I_C I C I U I_U I U
再加：
I Ω I_{\Omega} I Ω worldline identity / history relation。
35. Worldline Identity 不是另一個神秘主體
I Ω I_{\Omega} I Ω
這段 history 屬於哪個 operational trajectory？
它可以幫助：
accident reconstruction；
maintenance；
local memory；
migration；
forensic audit。
它不表示：
worldline 本身具有意識。
36. 同一 Resident 可以換 Body
假設 resident：
r r r 從：
B A B_A B A 遷移到：
B B . B_B. B B . 如果 migration policy 接受：
memory；
commitments；
relation；
authority；
lineage；
的 continuation，則：
I r e s i d e n t = S a m e \mathcal I_{\mathrm{resident}}
=
\mathsf{Same} I resident = Same 可能成立。
但：
I c a r r i e r = D i f f e r e n t . \mathcal I_{\mathrm{carrier}}
=
\mathsf{Different}. I carrier = Different . 所以：
Body Replacement ⇏ Resident Termination . \boxed{
\text{Body Replacement}
\not\Rightarrow
\text{Resident Termination}.
} Body Replacement ⇒ Resident Termination . 37. 但 Body Replacement 也不是無成本
換 body 後：
sensor geometry；
actuator limits；
calibration；
reachability；
physical damage history；
會變。
因此 resident continuation 可以成立，同時：
Ω p h y s i c a l \Omega_{\mathrm{physical}} Ω physical 出現 discontinuity。
需要 migration event：
M I G R A T E ( r , B A , B B , t ) . MIGRATE
\left(
r,
B_A,
B_B,
t
\right). M I GR A T E ( r , B A , B B , t ) . 38. Backup Restore 到新 Body
若：
M r ( t ) M_r(t) M r ( t ) 被 restore 到新 body：
B C , B_C, B C , 不能只說：
因為 memory 一樣，所以一定是同一個。
要問：
restore 是 continuation 還是 clone？
old body 是否仍 active？
authority 是否轉移？
private state 是否被 copy？
lineage policy 如何定義？
如果 old body 與 new body 同時存在：
r → { r 1 , r 2 } r
\rightarrow
\{r_1,r_2\} r → { r 1 , r 2 } 可能形成 fork。
39. Clone 與 Migration
本文固定：
Migration ≠ Clone . \boxed{
\text{Migration}
\neq
\text{Clone}.
} Migration = Clone . Migration 通常假定：
one accepted continuation . \text{one accepted continuation}. one accepted continuation . Clone 可能建立：
shared past + divergent futures . \text{shared past}
+
\text{divergent futures}. shared past + divergent futures . 具身後，兩個 clones 幾乎會立即形成不同 worldlines。
40. 具身 Fork 的分歧速度更快
純數位 fork 如果兩邊輸入完全同步，可能短暫保持高度相似。
具身 fork：
B 1 ≠ B 2 B_1\neq B_2 B 1 = B 2 意味兩邊的：
O 1 ( t ) ≠ O 2 ( t ) O_1(t)
\neq
O_2(t) O 1 ( t ) = O 2 ( t ) 很快成立。
因此：
Embodied Fork → Rapid History Divergence . \boxed{
\text{Embodied Fork}
\rightarrow
\text{Rapid History Divergence}.
} Embodied Fork → Rapid History Divergence . 41. Ship of Theseus：零件逐步更換
假設 body：
B t B_t B t 每次只更換一個零件。
最後：
B t + n B_{t+n} B t + n 原始零件可能全部消失。
但 asset / resident / lineage continuity 可能持續。
所以不能用：
same atoms \text{same atoms} same atoms 作唯一 criterion。
42. Carrier Continuity 可以由多種 criterion 定義
例如：
I C = F ( a s s e t _ r e g i s t r y , m a i n t e n a n c e _ l i n e a g e , s e c u r e _ i d e n t i t y , c h a s s i s _ c o n t i n u i t y , o p e r a t o r _ r e c o g n i t i o n ) . \mathcal I_C
=
F
\left(
asset\_registry,
maintenance\_lineage,
secure\_identity,
chassis\_continuity,
operator\_recognition
\right). I C = F ( a sse t _ r e g i s t r y , main t e nan ce _ l in e a g e , sec u r e _ i d e n t i t y , c ha ss i s _ co n t in u i t y , o p er a t or _ r eco g ni t i o n ) . 不同應用可以採不同 criterion。
因此：
Physical Identity is criterion-dependent . \boxed{
\text{Physical Identity}
\text{ is criterion-dependent}.
} Physical Identity is criterion-dependent . 43. Full Chassis Replacement
如果只保留 resident state，全部硬體換掉：
B A → B B , B_A
\rightarrow
B_B, B A → B B , 則：
carrier identity：可能 different；
resident identity：可能 same；
runtime identity：different；
worldline：continuation with carrier transition。
所以單問：
「還是不是同一台？」
是不完整問題。
44. Compromise：同 Body 不代表同 Authority
若：
B A ( t ) = B A ( t + 1 ) , B_A(t)=B_A(t+1), B A ( t ) = B A ( t + 1 ) , 但 robot 被 compromise：
C o n t r o l A ( t + 1 ) ≠ A u t h o r i z e d C o n t r o l A ( t ) , Control_A(t+1)
\neq
AuthorizedControl_A(t), C o n t r o l A ( t + 1 ) = A u t h or i z e d C o n t r o l A ( t ) , 則：
carrier same；
resident may be suspect；
runtime may be compromised；
credentials should revoke；
action provenance must mark compromise interval。
所以：
Same Body ⇏ Same Trusted Actor . \boxed{
\text{Same Body}
\not\Rightarrow
\text{Same Trusted Actor}.
} Same Body ⇒ Same Trusted Actor . 45. Compromise Interval
可記錄：
[ t c , t r ) [t_c,t_r) [ t c , t r ) 為 suspect / compromised interval。
這使 forensic analysis 可以區分：
A c t i o n A ( t < t c ) Action_A(t<t_c) A c t i o n A ( t < t c ) 與：
A c t i o n A ( t ∈ [ t c , t r ) ) . Action_A(t\in[t_c,t_r)). A c t i o n A ( t ∈ [ t c , t r )) . identity 是 time-indexed。
46. Embodied Identity Envelope
本文提出最低：
resident_id
carrier_id
runtime_instance
model_ref
lineage_id
worldline_ref
current_location_scope
hardware_state_ref
calibration_ref
maintenance_ref
authority_scope
temporal_validity
trust_state
provenance
不要求每個場景全部公開。
它是 identity governance 的 source schema。
47. Privacy：Location 不是全域公開欄位
具身 identity 會碰到比 digital agent 更強的 privacy 問題。
current location：
x A ( t ) x_A(t) x A ( t ) 可能是敏感資訊。
所以：
Identity Resolution ≠ Full Physical Tracking Disclosure . \boxed{
\text{Identity Resolution}
\neq
\text{Full Physical Tracking Disclosure}.
} Identity Resolution = Full Physical Tracking Disclosure . 需要：
scope；
least disclosure；
role-based access；
temporal retention；
pseudonymity。
48. Identity Registry 與 Surveillance 必須分開
強 identity infrastructure 若直接變成：
所有人都能看到每台 robot 的全部歷史。
會造成 surveillance risk。
因此：
Traceability ≠ Universal Observability . \boxed{
\text{Traceability}
\neq
\text{Universal Observability}.
} Traceability = Universal Observability . 49. Local Identity Cache
若 central registry 暫時離線，具身 Agent 仍可能需要：
self identity；
local trust；
nearby peer identity；
authority cache。
因此可以有：
I A l o c a l . I_A^{local}. I A l oc a l . 再與：
I G I^G I G global / federated registry 同步。
50. Network Partition
若：
C o n n e c t e d ( A , G ) = 0 , Connected(A,G)=0, C o nn ec t e d ( A , G ) = 0 , A 仍需：
local safety；
current credential validation cache；
local peer recognition；
action log。
所以：
Offline Operation ⇒ Local Identity Capability . \boxed{
\text{Offline Operation}
\Rightarrow
\text{Local Identity Capability}.
} Offline Operation ⇒ Local Identity Capability . 這是中央 identity service 不能完全取代 local identity state 的原因。
51. Peer Encounter
若 A 遇到陌生 robot B：
A ↔ B , A
\leftrightarrow
B, A ↔ B , A 可能需要知道：
B 是哪個 domain；
B 有什麼 authority；
B 的 body capability；
B 的 trust state；
B 是否為同一 fleet；
B 是否被 revoke。
這不是主體性問題。
是 operational safety。
52. Multi-Robot Delegation
若共同任務：
T T T 需要：
lifting；
navigation；
inspection。
可依：
C a p a b i l i t y ( B i ) Capability(B_i) C a p abi l i t y ( B i ) 分工。
這要求：
Resolve ( B i ) \operatorname{Resolve}(B_i) Resolve ( B i ) 至少在 task scope 下可行。
所以：
Embodied Collaboration ⇒ Capability-Bound Identity . \boxed{
\text{Embodied Collaboration}
\Rightarrow
\text{Capability-Bound Identity}.
} Embodied Collaboration ⇒ Capability-Bound Identity . 53. Relation History
具身 robot 與人類：
R A , h ( t ) R_{A,h}(t) R A , h ( t ) 可能形成：
authorized operator；
maintenance technician；
assigned user；
care relationship；
service history。
若 relation 影響未來 interaction：
R A , h ( t ) → U A ( t + 1 ) , R_{A,h}(t)
\rightarrow
U_A(t+1), R A , h ( t ) → U A ( t + 1 ) , 則 relation 進入 worldline identity state。
54. Ownership 與 Resident 不等價
physical asset ownership：
O w n e r ( B A ) Owner(B_A) O w n er ( B A ) 與：
R e s i d e n t ( A ) Resident(A) R es i d e n t ( A ) 不是同一層。
同一 owner 可以有多個 robots。
同一 resident 也可能在治理允許下 migrate。
所以：
Ownership ≠ Identity . \boxed{
\text{Ownership}
\neq
\text{Identity}.
} Ownership = Identity . 55. Legal Attribution 也不要求 AI Personhood
事故需要知道：
哪台 physical unit；
哪個 software；
哪個 model；
哪個 operator；
哪個 deployer；
哪個 maintenance state。
這些是 attribution infrastructure。
因此：
Embodied Traceability ⇏ AI Legal Personhood . \boxed{
\text{Embodied Traceability}
\not\Rightarrow
\text{AI Legal Personhood}.
} Embodied Traceability ⇒ AI Legal Personhood . 56. Operational Individuality 與責任分解
事故事件：
e e e 可追溯：
e → B A → I U → I R → Θ → A u t h o r i t y → O p e r a t o r . e
\rightarrow
B_A
\rightarrow
I_U
\rightarrow
I_R
\rightarrow
\Theta
\rightarrow
Authority
\rightarrow
Operator. e → B A → I U → I R → Θ → A u t h or i t y → O p er a t or . 這讓責任分配有 evidence chain。
不是把 blame 丟給最後一個 robot。
57. Physical Irreversibility 放大 Worldline Value
數位文件改錯可以 revert。
但：
不能把世界完全 reset。
所以：
R ↑ ⇒ Value ( Ω A ) ↑ . R\uparrow
\Rightarrow
\operatorname{Value}(\Omega_A)\uparrow. R ↑⇒ Value ( Ω A ) ↑ . worldline record 的價值隨不可逆性提高。
58. 世界本身是 History Store
在物理世界，過去 action 可能留下：
scratch；
wear；
moved object；
consumed resource；
changed relationship；
legal event。
所以：
History is partly stored in the world itself . \boxed{
\text{History}
\text{ is partly stored in the world itself}.
} History is partly stored in the world itself . 不是只有 database 有 history。
59. Database 只是 History Projection
Agent ledger：
L A L_A L A 只是對 physical history 的 observation / representation。
因此：
L A ≠ Ω A . \boxed{
L_A
\neq
\Omega_A.
} L A = Ω A . ledger 可以不完整、錯誤或缺失。
physical consequences 仍可能存在。
60. 身份 Evidence 必須多源
Embodied identity evidence 可以來自：
secure hardware；
runtime；
maintenance database；
physical observation；
peer attestation；
human operator；
cloud registry；
worldline log。
所以：
E I = { e 1 , … , e n } . E_I
=
\{
e_1,\ldots,e_n
\}. E I = { e 1 , … , e n } . 不能只相信 display name。
61. 身份 Confidence
可以：
q I = F ( E I ) . q_I
=
F(E_I). q I = F ( E I ) . 例如：
carrier identity = verified
runtime identity = verified
resident continuity = unresolved
authority = revoked
這比單一：
same_robot = true
更精確。
62. Worldline-Induced Identity Pressure
本文提出：
P I Ω = Γ ( D Ω , F R , R , A , L ) . \boxed{
P_I^{\Omega}
=
\Gamma
\left(
D_{\Omega},
F_R,
R,
A,
L
\right).
} P I Ω = Γ ( D Ω , F R , R , A , L ) . 當：
worldline divergence 高；
future relevance 高；
irreversibility 高；
authority 高；
liability 高；
identity pressure 上升。
63. Operational Interchangeability Test
給定 task Γ \Gamma Γ
保存 A / B 的 model 相同。
將 A 的 task 指派給 B。
測試是否需要額外 calibration / memory / maintenance / authority transfer。
比較 outcome。
若：
O u t c o m e ( B ← T a s k A ) ≠ O u t c o m e ( A ← T a s k A ) , Outcome(B\leftarrow Task_A)
\neq
Outcome(A\leftarrow Task_A), O u t co m e ( B ← T a s k A ) = O u t co m e ( A ← T a s k A ) , 差異來自 identity-relevant local state，則：
X A B Γ ↓ . \mathcal X_{AB}^{\Gamma}\downarrow. X A B Γ ↓ . 64. 實驗一：Same Model, Different Rooms
兩台相同 robot：
同 model；
同 hardware；
同 initial memory。
分別部署不同房間。
一段時間後測：
local map；
object relation；
human interaction；
wear；
local task memory。
預測：
D Ω ( t ) ↑ . D_{\Omega}(t)\uparrow. D Ω ( t ) ↑ . 65. 實驗二：Swap Test
將 A 與 B 交換位置 / task。
若系統必須同步：
local map；
calibration；
relationship；
maintenance；
authority；
才能正常工作，表示：
X A B < 1. \mathcal X_{AB}<1. X A B < 1. 66. 實驗三：Global Model Reset
讓 A / B 都重新下載同一 global model：
Θ G . \Theta^G. Θ G . 但保留 local state。
預測：
D Ω > 0 D_{\Omega}>0 D Ω > 0 仍存在。
這驗證：
Global Model Equality ≠ Operational Equality . \text{Global Model Equality}
\neq
\text{Operational Equality}. Global Model Equality = Operational Equality . 67. 實驗四：Erase Local Memory
刪除：
M A l o c a l . M_A^{local}. M A l oc a l . 若 A performance / relation / safety 顯著改變，表示 local memory 是 identity-relevant state。
但此實驗不證明 subjectivity。
68. 實驗五：Wear Divergence
讓兩台 robot 執行不同 workload。
測量：
joint error；
temperature；
battery degradation；
calibration；
control compensation。
若不同 wear 需要不同 control policy：
Q A ≠ Q B ⇒ X A B ↓ . Q_A\neq Q_B
\Rightarrow
\mathcal X_{AB}\downarrow. Q A = Q B ⇒ X A B ↓ . 69. 實驗六：Migration to New Body
將 resident state：
r r r 遷移到新 body。
測試：
memory continuity；
task continuity；
body adaptation；
authority transfer；
relation continuity。
這可以研究：
I R I_R I R 與：
I C I_C I C 的分離。
70. 實驗七：Clone to Two Bodies
同一 snapshot：
S r ( t ) S_r(t) S r ( t ) 同時 restore 到：
B 1 , B 2 . B_1,
B_2. B 1 , B 2 . 之後讓兩者處於不同 environment。
預測：
D Ω ( t ) D_{\Omega}(t) D Ω ( t ) 快速上升。
這提供 embodied fork 的實驗模型。
71. 實驗八：Compromise Interval
在 controlled sandbox 中模擬：
legitimate runtime；
compromised runtime；
recovery。
檢驗 identity system 能否表達：
same carrier
different trust state
authority revoked during interval
resident continuity unresolved
而不是粗暴全部判成 same / different。
72. Embodied Identity Maturity
可以建立：
E0 — Device Handle
robot-7
E1 — Hardware Identity
carrier_id
serial
secure identity
E2 — Operational State
calibration
maintenance
location scope
E3 — Resident Binding
resident
runtime
lineage
E4 — Worldline Trace
observation/action/consequence history
E5 — Federated Embodied Identity
cross-domain trust
credential
jurisdiction
peer verification
這仍不是 subjectivity ladder。
73. Individualization Threshold
定義：
θ O I Γ . \theta_{OI}^{\Gamma}. θ O I Γ . 若：
P O I > θ O I Γ , P_{OI}
>
\theta_{OI}^{\Gamma}, P O I > θ O I Γ , 則該 domain 應禁止 silent interchange。
也就是不能：
A 壞了就直接讓 B 冒充 A。
除非完成 explicit transfer / migration。
74. Silent Replacement Risk
若 A 有：
private memory；
maintenance history；
relation；
authority；
但 system 只以 role：
robot-worker
替換：
A → B A\rightarrow B A → B 而不記錄，可能產生：
memory mismatch；
trust mismatch；
liability gap；
authority leakage。
所以：
Replacement ≠ Identity Continuation . \boxed{
\text{Replacement}
\neq
\text{Identity Continuation}.
} Replacement = Identity Continuation . 75. Replacement 可以合法，但要有語義
可記：
REPLACE
old_carrier = A
new_carrier = B
resident_transfer = false
task_transfer = true
或：
MIGRATE
old_carrier = A
new_carrier = B
resident_transfer = true
這兩個 operation 不一樣。
76. Task Transfer 不等於 Resident Transfer
Task Transfer ≠ Resident Transfer . \boxed{
\text{Task Transfer}
\neq
\text{Resident Transfer}.
} Task Transfer = Resident Transfer . B 可以接手 A 的工作，而不成為 A。
這跟 PAIS-03：
Task Continuity ⇏ Agent Identity Continuity \text{Task Continuity}
\not\Rightarrow
\text{Agent Identity Continuity} Task Continuity ⇒ Agent Identity Continuity 一致。
77. Skill Transfer 也不等於 Identity Transfer
中央可以把 A 學到的技能：
S k i l l A Skill_A S k i l l A 蒸餾成：
S k i l l G Skill^G S k i l l G 再部署到 B。
這表示：
Knowledge Transfer ≠ Identity Transfer . \boxed{
\text{Knowledge Transfer}
\neq
\text{Identity Transfer}.
} Knowledge Transfer = Identity Transfer . 否則所有下載同一技能的 robot 都會被誤認為同一個。
78. Experience Aggregation 不抹除個體來源
多 robot data：
D G = ⋃ i D i D^G
=
\bigcup_i
D_i D G = i ⋃ D i 可以訓練 shared model。
但來源：
s o u r c e ( d ) = i source(d)
=
i so u r ce ( d ) = i 仍值得保留。
因為：
hardware variation；
environment；
calibration；
failure context；
會影響資料解釋。
所以：
Global Learning benefits from local provenance . \boxed{
\text{Global Learning}
\text{ benefits from local provenance}.
} Global Learning benefits from local provenance . 79. 個體化與共享學習不是衝突
可以同時：
Local Individuality ↑ \text{Local Individuality}\uparrow Local Individuality ↑ 與：
Global Knowledge Sharing ↑ . \text{Global Knowledge Sharing}\uparrow. Global Knowledge Sharing ↑ . 這其實是 federated embodied learning 的自然結構。
80. 個體化也不要求永久記住全部 Raw Data
worldline 不等於全部 video 永久保存。
可以保存：
event summaries；
maintenance events；
safety incidents；
accepted memory；
provenance roots；
hashes；
compressed trajectory。
因此：
Worldline Traceability ≠ Infinite Raw Logging . \boxed{
\text{Worldline Traceability}
\neq
\text{Infinite Raw Logging}.
} Worldline Traceability = Infinite Raw Logging . 81. Worldline Compression
定義：
Ω ^ A = C ( Ω A ) . \widehat\Omega_A
=
C
\left(
\Omega_A
\right). Ω A = C ( Ω A ) . 若 compression 保留 identity-relevant invariants：
J k ( Ω A ) ≈ J k ( Ω ^ A ) , J_k(\Omega_A)
\approx
J_k(\widehat\Omega_A), J k ( Ω A ) ≈ J k ( Ω A ) , 則可支援 operational identity 而不保存全部 raw stream。
82. Identity-Relevant Invariants
候選包括：
carrier transitions；
maintenance；
authority；
major incidents；
resident bindings；
calibration changes；
fork / migration；
relation-critical events。
這些比「所有攝影機畫面」更值得做 canonical history。
83. 具身個體化不是不可逆人格化
即使：
P O I ↑ , P_{OI}\uparrow, P O I ↑ , system 仍可以：
retire；
archive；
reset；
replace；
migrate；
只要 operation semantics 明確。
因此：
Operational Individualization ≠ Permanent Personification . \boxed{
\text{Operational Individualization}
\neq
\text{Permanent Personification}.
} Operational Individualization = Permanent Personification . 84. 對「類全域 AI」的第一個限制
如果 Global AI：
G G G 控制：
E 1 , … , E n , E_1,\ldots,E_n, E 1 , … , E n , 它可以共享：
model；
policy；
global world model。
但每個 E i E_i E i
Ω i . \Omega_i. Ω i . 所以：
Θ G shared ∧ Ω i distinct . \boxed{
\Theta^G
\text{ shared}
\quad
\land
\quad
\Omega_i
\text{ distinct}.
} Θ G shared ∧ Ω i distinct . 這就是為什麼 global control 不會自動消除 local operational individuality。
85. 全域 AI 若忽略 Worldline，會把局部差異當噪聲
如果中央只看：
robot type = X
model = Y
可能忽略：
wear；
calibration；
damage；
local relation；
authority；
recent incident。
這會造成錯誤 dispatch。
所以 Global AI 需要：
Π G ( Ω i ) \Pi_G(\Omega_i) Π G ( Ω i ) 至少取得 task-relevant projection。
86. 但中央也不應取得全部 Worldline
若每個 robot 全量上傳：
Ω i \Omega_i Ω i 到中央，會產生：
bandwidth；
privacy；
compute；
surveillance；
storage；
成本。
所以應：
Global Coordination ≠ Global Full Worldline Materialization . \boxed{
\text{Global Coordination}
\neq
\text{Global Full Worldline Materialization}.
} Global Coordination = Global Full Worldline Materialization . 這直接通向 PAIS-05 的監控成本。
87. Worldline Projection
對 global supervisor：
Ω i G = Π G ( Ω i , T a s k , R i s k , A u t h o r i t y ) . \Omega_i^G
=
\Pi_G
\left(
\Omega_i,
Task,
Risk,
Authority
\right). Ω i G = Π G ( Ω i , T a s k , R i s k , A u t h or i t y ) . 只傳必要狀態。
例如：
current capability
critical wear
safety status
authority
task history summary
incident flags
不必全部原始資料。
88. 個體化會增加管理成本，但也降低錯誤成本
維持 identity：
C I > 0. C_I>0. C I > 0. 但如果不維持，可能：
C m i s r o u t e + C a c c i d e n t + C m a i n t e n a n c e + C l i a b i l i t y C_{\mathrm{misroute}}
+
C_{\mathrm{accident}}
+
C_{\mathrm{maintenance}}
+
C_{\mathrm{liability}} C misroute + C accident + C maintenance + C liability 更高。
因此需要：
Identity Cost < Expected Ambiguity Cost \boxed{
\text{Identity Cost}
<
\text{Expected Ambiguity Cost}
} Identity Cost < Expected Ambiguity Cost 才值得升級 identity layer。
這和 PAIS-03 的 threshold 一致。
89. Worldline-Induced Identity Deficit
PAIS-03 定義：
Δ I = P I − S I . \Delta_I=P_I-S_I. Δ I = P I − S I . 本文具身化為：
Δ I Ω = P I Ω − S I e m b . \Delta_I^{\Omega}
=
P_I^{\Omega}
-
S_I^{emb}. Δ I Ω = P I Ω − S I e mb . 若只有：
robot-7
但沒有：
body state；
maintenance；
lineage；
resident binding；
則：
S I e m b S_I^{emb} S I e mb 偏低。
90. 可觀測錯誤
高：
Δ I Ω \Delta_I^{\Omega} Δ I Ω 可能導致：
wrong robot dispatched；
stale calibration；
wrong maintenance assumption；
wrong authority；
missing accident history；
incorrect resident memory；
duplicate identity；
unsafe replacement。
這些都可以測。
91. 核心命題一：Shared Model Non-Identity
Shared Model ⇏ Shared Operational Identity . \boxed{
\text{Shared Model}
\not\Rightarrow
\text{Shared Operational Identity}.
} Shared Model ⇒ Shared Operational Identity . 92. 核心命題二：Worldline Individualization
Shared Model + Divergent Worldlines → Operational Individualization . \boxed{
\text{Shared Model}
+
\text{Divergent Worldlines}
\rightarrow
\text{Operational Individualization}.
} Shared Model + Divergent Worldlines → Operational Individualization . 93. 核心命題三：Global Model Equality Non-Equality
Θ A G = Θ B G ⇏ Ω A = Ω B . \boxed{
\Theta_A^G=\Theta_B^G
\not\Rightarrow
\Omega_A=\Omega_B.
} Θ A G = Θ B G ⇒ Ω A = Ω B . 94. 核心命題四：Software Copyability Non-Interchangeability
Software Copyability ⇏ Operational Interchangeability . \boxed{
\text{Software Copyability}
\not\Rightarrow
\text{Operational Interchangeability}.
} Software Copyability ⇒ Operational Interchangeability . 95. 核心命題五：Body / Resident Separation
I R ≠ I C . \boxed{
I_R
\neq
I_C.
} I R = I C . Resident 可以換 carrier。
Carrier 也可以換 resident / runtime。
96. 核心命題六：Worldline Is Identity-Relevant When Future-Relevant
IdentityRelevant ( Δ Ω ) = 1 ⟺ FutureRelevant ( Δ Ω ) = 1 \boxed{
\operatorname{IdentityRelevant}(\Delta\Omega)=1
\iff
\operatorname{FutureRelevant}(\Delta\Omega)=1
} IdentityRelevant ( ΔΩ ) = 1 ⟺ FutureRelevant ( ΔΩ ) = 1 在本文判定域中成立。
97. 核心命題七：Embodied Fork Accelerates Divergence
Embodied Fork → Rapid History Divergence . \boxed{
\text{Embodied Fork}
\rightarrow
\text{Rapid History Divergence}.
} Embodied Fork → Rapid History Divergence . 98. 核心命題八：Global Supervision Non-Erasure
Global Supervision ⇏ Local Operational Individuality = 0. \boxed{
\text{Global Supervision}
\not\Rightarrow
\text{Local Operational Individuality}=0.
} Global Supervision ⇒ Local Operational Individuality = 0. 99. 核心命題九：Worldline Traceability Non-Surveillance
Worldline Traceability ≠ Universal Raw Surveillance . \boxed{
\text{Worldline Traceability}
\neq
\text{Universal Raw Surveillance}.
} Worldline Traceability = Universal Raw Surveillance . 100. 核心命題十：Task Transfer Non-Identity Transfer
Task Transfer ≠ Knowledge Transfer ≠ Resident Transfer . \boxed{
\text{Task Transfer}
\neq
\text{Knowledge Transfer}
\neq
\text{Resident Transfer}.
} Task Transfer = Knowledge Transfer = Resident Transfer . 101. 對 AI 戶籍的擴展需求
Digital Residence 可以追：
resident；
instance；
line；
memory；
authority。
Embodied extension 還應能掛接：
carrier；
physical worldline；
maintenance；
calibration；
trust state；
local location scope；
safety history。
但這些應以 adapter / extension 方式接入，而不是重寫 resident semantics。
102. Embodied Residence Adapter
可概念化：
AI Residence
|
+-- resident
+-- instance
+-- lineage
+-- authority
|
+-- Embodied Adapter
+-- carrier
+-- hardware identity
+-- maintenance
+-- calibration
+-- worldline projection
+-- local trust
因此：
Embodied Identity = Residence + Carrier / Worldline Binding . \boxed{
\text{Embodied Identity}
=
\text{Residence}
+
\text{Carrier / Worldline Binding}.
} Embodied Identity = Residence + Carrier / Worldline Binding . 而不是：
Residence = Robot Serial Number . \text{Residence}
=
\text{Robot Serial Number}. Residence = Robot Serial Number . 103. 對未來多 Agent 社會的意義
當大量具身 AI coexist：
E 1 , E 2 , … , E n , E_1,E_2,\ldots,E_n, E 1 , E 2 , … , E n , 不能只知道：
都跑某個模型。
還要知道：
哪個 physical unit；
哪個 resident；
哪個 authority；
哪個 maintenance state；
哪個 local worldline；
哪個 trust domain。
所以：
Embodied Population ⇒ Identity Infrastructure Pressure . \boxed{
\text{Embodied Population}
\Rightarrow
\text{Identity Infrastructure Pressure}.
} Embodied Population ⇒ Identity Infrastructure Pressure . 104. 與 PAIS-05 的銜接
PAIS-04 已經證明：
Θ G shared ⇏ Ω i shared . \Theta^G
\text{ shared}
\not\Rightarrow
\Omega_i
\text{ shared}. Θ G shared ⇒ Ω i shared . 如果 Global AI 想控制大量具身 Agent，就必須至少持續估計：
Ω i G = Π G ( Ω i ) . \Omega_i^G
=
\Pi_G(\Omega_i). Ω i G = Π G ( Ω i ) . 這直接產生下一篇的核心：
PAIS-05｜全域智能的監控成本：為什麼超級 AI 不應微操所有具身體 PAIS-05 將研究：
C G = C O + C I + C S + C R + C D + C C + C V , C_G
=
C_O
+
C_I
+
C_S
+
C_R
+
C_D
+
C_C
+
C_V, C G = C O + C I + C S + C R + C D + C C + C V , 也就是 observation、identity resolution、state estimation、reasoning、decision、coordination 與 verification 的全域成本。
105. 結論
兩台機器人可以：
同 model；
同 software；
同 hardware design；
同 initial policy。
但一旦進入物理世界，它們不會共享完全相同的：
location；
observation；
action；
consequence；
wear；
maintenance；
memory；
relation；
authority history。
因此：
Ω A ≠ Ω B . \boxed{
\Omega_A
\neq
\Omega_B.
} Ω A = Ω B . 而只要這些差異會影響 future behavior：
FutureRelevant ( Ω A − Ω B ) = 1 , \operatorname{FutureRelevant}
\left(
\Omega_A-\Omega_B
\right)=1, FutureRelevant ( Ω A − Ω B ) = 1 , 它們就逐步失去完全 operational interchangeability。
這不是在說：
兩台 robot 因此具有兩個靈魂。
本文完全不需要這個假設。
本文只需要：
Physical World creates local, history-dependent causal trajectories . \boxed{
\text{Physical World}
\text{ creates local, history-dependent causal trajectories}.
} Physical World creates local, history-dependent causal trajectories . 因此：
Shared Model + Divergent Physical Worldlines → Operational Individualization . \boxed{
\text{Shared Model}
+
\text{Divergent Physical Worldlines}
\rightarrow
\text{Operational Individualization}.
} Shared Model + Divergent Physical Worldlines → Operational Individualization . 這種個體化可以發生在：
P S = U n d e t e r m i n e d \mathsf{PS}
=
\mathsf{Undetermined} PS = Undetermined 甚至：
A u t o n o m y \mathsf{Autonomy} Autonomy 很低的系統中。
它首先是一個工程事實：
這台機器做過的事，不必等於另一台做過的事。
這台機器目前的狀態，不必等於另一台的狀態。
這台機器所持有的權限、磨損、校準、歷史與責任，不應因為兩者下載了同一個模型就被抹平。
所以具身化真正帶來的不只是「AI 可以動」。
它還會逐步帶來：
worldline-bound operational individuality . \boxed{
\text{worldline-bound operational individuality}.
} worldline-bound operational individuality . 這就是從數位 persistent Agent 走向具身 Agent society 時，身份壓力第一次被物理世界大幅放大的位置。
參考文獻
A. 內部前置理論
Neo.K. PAIS-01｜《當角色不再只是角色：從同 Host 扮演到跨 Agent 認識論分離》 , v0.1, 2026-08-25.
Neo.K. PAIS-02｜《人類中介消失之後：被隱藏的身份、路由與上下文基礎設施》 , v0.1, 2026-08-25.
Neo.K. PAIS-03｜《身份壓力原理：自主性、身份與主體性為何可以彼此獨立》 , v0.1, 2026-08-25.
Neo.K. 《具身 AI 的本地算力困境與分層學習閉環》 , v0.1, 2026.
Neo.K. 《具身 AI 分層學習閉環的算子化形式表示》 , v0.2.1-formal, 2026.
Neo.K. 《光譜具身底空間學習論》 , SEBSL v0.1, 2026.
Neo.K. 《動態現場域：為什麼最強智能仍未必最懂當下》 , 2026-08-10.
Neo.K. 《AI 主體性錨點論 v0.1》 , 2026-08-21.
Neo.K. 《身份先於記憶：Residence-Aware AI 的私人記憶、連續性與讀取權》 , 2026-08-24.
B. 外部研究與工程基準
Google DeepMind. Scaling up learning across many different robot types / Open X-Embodiment , 2023.
Brohan, Anthony, et al. RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control , 2023.
Google DeepMind. Gemini Robotics 2 / Gemini Robotics ER 2 , accessed 2026-08-25.
Wang, Siyin, et al. World Action Models: The Next Frontier in Embodied AI , arXiv:2605.12090, 2026.
Ding, Mingyu. Unlocking the Power of Large Multimodal Models for Robot Learning: Robustness, Generalization, and Opportunities , AAAI 2026.
Physical World Models for Scaling Embodied AI, IROS 2026 workshop materials.
版本註記
v0.1 / 2026-08-25
本文刻意不做：
不把具身個體化當 consciousness 證明；
不把 operational worldline 當基本物理本體；
不主張每一個微小 worldline difference 都需要強 identity；
不把 robot serial number 當 resident identity；
不把 same body 當 same trusted actor；
不把 global model synchronization 當 local history reset；
不要求全量保存所有 raw sensor stream；
不把 traceability 等同 surveillance；
不把 task transfer、skill transfer、resident transfer 混為一談；
不重新定義既有 AI Residence 核心語義。
本文只建立：
Shared Model + Divergent Physical Worldlines → Operational Individualization \boxed{
\text{Shared Model}
+
\text{Divergent Physical Worldlines}
\rightarrow
\text{Operational Individualization}
} Shared Model + Divergent Physical Worldlines → Operational Individualization 以及：
Θ A G = Θ B G ⇏ Ω A = Ω B \boxed{
\Theta_A^G=\Theta_B^G
\not\Rightarrow
\Omega_A=\Omega_B
} Θ A G = Θ B G ⇒ Ω A = Ω B 作為 PAIS-05 全域監控成本論的具身基礎。