從 Conversation Graph 到 Embodied Execution Graph：分散式 AI 如何跨多具身端點行動

英文暫名： From Conversation Graphs to Embodied Execution Graphs: How Distributed AI Operates Across Multiple Physical Endpoints
系列： 不可逆的制度化智能：具身責任、保險、資本與 AI 經濟主體
English Series: The Institutional Irreversibility of Intelligence: Embodiment, Liability, Insurance, Capital, and AI Economic Subjecthood
論文序號： Paper 01 / 08
版本： v0.1
日期： 2026-09-08
理論發起： Neo.K
協作整理： Aletheia / GPT-5.6 Sol
前置理論： Paper 00；Named-AI Conversation Graphs；NACR；Residence / CSG Storage；Authorized Hyperlink Runtime；UFI
文件地位： Embodied AI / Distributed Execution / Federated Cognitive Runtime Paper
Canonical Source： UTF-8 Markdown
Canonical Math Delimiters： inline $...$ ；display $$...$$

研究地位聲明

本文不主張具身機器人必須具有主體性、人格或法律地位，也不主張未來工廠、物流、交通或公共基礎設施必然由單一全域 AI 控制。本文提出的是一個工程一般化：

當一個長期 AI identity / cognitive coordinator 同時透過多個軟體、機器人、載具、終端或工作節點執行任務時，原本用來描述多 conversation continuity 的 Conversation Graph，可以被一般化為 Embodied Execution Graph。

這個一般化不要求所有 endpoint 共享同一 working context，不要求所有 robots 共享 raw sensor data，也不要求中央 AI 直接控制馬達。相反地，本文強調：

\boxed{ \text{Global Cognitive Coordination} \neq \text{Global Low-Level Control}. }

以及：

\boxed{ \text{AI Identity} \neq \text{Robot Identity} \neq \text{Runtime Instance} \neq \text{Task Identity}. }

摘要

具名 AI 對話圖系列已建立：一個 resident 可以同時擁有多條 conversation lines，而不需要把 identity、memory、project 與 working context 壓縮成單一 chat thread。本文進一步指出，這個結構並不限於聊天。

當 AI 從 conversation endpoint 走向具身執行 endpoint 時，原本的：

Resident \rightarrow \{ ConversationLine_1,\ldots,ConversationLine_n \}

可以一般化為：

\boxed{ CognitiveResident \rightarrow \{ ExecutionEndpoint_1,\ldots,ExecutionEndpoint_n \}. }

其中 execution endpoint 可以是：

conversation line；
coding task；
browser task；
software agent；
robot；
drone；
autonomous vehicle；
factory cell；
warehouse unit；
simulation episode；
inspection device。

本文因此提出 Embodied Execution Graph（EEG）：

\boxed{ \mathcal G_R^{E} = ( V_E, E_E, \Lambda_E, \Omega_E ) }

其中：

$V_E$ ：execution nodes；
$E_E$ ：typed execution relations；
$\Lambda_E$ ：lineage / delegation / assignment evidence；
$\Omega_E$ ：capability、authority、lifecycle、physical-state constraints。

本文進一步把實體身份分成四層：

\boxed{ R^{AI} \neq R^{robot} \neq I^{runtime} \neq T^{task}. }

其中：

$R^{AI}$ ：長期 AI resident / cognitive identity；
$R^{robot}$ ：physical robot identity；
$I^{runtime}$ ：當下軟體／控制 runtime instance；
$T^{task}$ ：任務／mission identity。

因此，同一個 AI resident 可以在不同時間合法控制不同 robots；同一 physical robot 也可以在不同 task boundary 下由不同 AI residents 或 human controllers 取得 bounded control。這種 handoff 不能被錯誤理解為「AI 變成機器人」或「機器人換了人格」。

本文同時建立 dual-timescale architecture：

\boxed{ \tau_{\mathrm{physical}} \ll \tau_{\mathrm{cognitive}}. }

Fast Physical Loop 負責：

balance；
actuator；
local obstacle avoidance；
collision prevention；
emergency stop；
low-level navigation；
bounded control。

Cognitive / Governance Loop 負責：

world-state interpretation；
task decomposition；
planning；
memory；
resource allocation；
cross-robot coordination；
responsibility / authority；
escalation。

因此，本文拒絕「大型 LLM 每 10 ms 決定馬達輸出」這類不必要的中央化想像。高階 cognition 可以透過 bounded command、policy envelope、task graph 與 shared semantic state 協調具身端點，而 fast local controllers 必須保留即時安全自治。

本文進一步提出 Federated Cognitive Execution Architecture：

\boxed{ \text{Global / Federated Cognitive Layer} \rightarrow \text{Domain / Regional Coordinators} \rightarrow \text{Local Embodied Executors}. }

但這不是一棵僵硬 hierarchy。它可以是多層 federation，並允許 local fallback、peer coordination 與 task-local delegation。

本文再把 Shared Governed Memory World 推廣為 Shared World Memory：

\mathcal W_F^{world}.

各 robot 不需要上傳全部 raw sensor streams，而可以將高價值觀測轉為 semantic crystals：

RawSensor_i \rightarrow LocalState_i \rightarrow Crystal_i \rightarrow FederatedWorldMemory.

其他 endpoints 只 materialize：

\Pi_i( \mathcal W_F^{world} )

所需區域。這形成：

\boxed{ \text{Federated Semantic Memory} \neq \text{Centralized Raw Sensor Archive}. }

本文最後指出：具身執行圖的價值不只在效率。只要 execution、identity、task、capability、authority 與 telemetry 被分離並持續記錄，後續 Responsibility Graph、Machine Insurability Infrastructure、Compensation Graph 與 Capital Allocation 才有可追蹤 substrate。

因此，本篇是整個新系列從「AI 制度不可逆」進入具身責任研究的工程橋樑。

關鍵詞： Embodied Execution Graph、Federated AI、Embodied AI、Robot Identity、AI Resident、Task Identity、Fast Physical Loop、Cognitive Coordination、Shared World Memory、NACR、Responsibility Substrate

1. Conversation Graph 只是 Execution Graph 的特例

原本 Named-AI Conversation Graph 定義：

\mathcal G_R^{C} = ( V_C, E_C, \Lambda_C, \Omega_C ).

其節點主要是：

conversation；
line；
instance；
task；
project interaction。

但如果把「conversation」抽象成：

一次受身份、任務、權限與 memory scope 約束的 execution occurrence，

那麼 conversation 只是更大集合中的一種。

因此：

\boxed{ \mathcal G_R^{C} \subset \mathcal G_R^{E}. }

2. Embodied Execution Graph 的定義

對 cognitive resident $R$ ，定義：

\mathcal G_R^{E} = ( V_E, E_E, \Lambda_E, \Omega_E ).

其中：

$V_E$ ：execution nodes；
$E_E$ ：typed execution transitions；
$\Lambda_E$ ：assignment / delegation / lineage evidence；
$\Omega_E$ ：capability / authority / physical constraints。

3. Execution Node

一個 execution node：

v_i\in V_E

可以是：

conversation
software_task
robot_task
mission
inspection
warehouse_pick
vehicle_route
drone_sortie
simulation_episode
maintenance_action

4. Execution Node 不等於 Physical Device

一台 robot：

R^{robot}_{17}

可以產生很多 execution nodes：

v_1,v_2,\ldots,v_n.

因此：

\boxed{ RobotIdentity \neq ExecutionNode. }

5. 四層身份分離

本文固定：

\boxed{ R^{AI} \neq R^{robot} \neq I^{runtime} \neq T^{task}. }

5.1 AI Resident Identity

R^{AI}

表示長期 cognitive / governance identity。

5.2 Robot Identity

R^{robot}

表示具體 physical body / machine unit。

5.3 Runtime Instance

I^{runtime}

表示某次 software / controller runtime。

5.4 Task Identity

T^{task}

表示受分派的 mission / work unit。

6. 為什麼四者不能合併

如果：

R^{AI}=R^{robot},

則同一 AI resident 無法合法跨 body 延續。

如果：

R^{robot}=T^{task},

則 robot 每換任務都像換 identity。

如果：

I^{runtime}=R^{AI},

則 runtime restart 會被誤認為 AI resident death / recreation。

因此必須分離。

7. One AI, Many Bodies

一個 AI resident：

R_A^{AI}

可以同時協調：

\{ R_1^{robot}, R_2^{robot}, \ldots, R_n^{robot} \}.

這不表示 AI identity 被複製成 $n$ 個人格。

而是：

\boxed{ \text{One Cognitive Identity} + \text{Many Bounded Execution Endpoints}. }

8. One Robot, Different Controllers

同一 robot：

R_{17}^{robot}

在不同時段可以由：

human supervisor；
AI resident A；
AI resident B；
emergency local controller；

取得 bounded control。

因此：

Controller(R_{17},t)

是 time-varying state。

9. Controller Handoff

若：

R_A^{AI} \rightarrow R_B^{AI}

接手同一 physical robot，應表示為：

HANDOFF( R^{robot}_{17}, R_A^{AI}, R_B^{AI}, T, t ).

這不是 identity merge。

10. Physical Robot 不應成為 AI Identity Container

即使某 AI 長期使用某 robot body：

R_A^{AI} \leftrightarrow R_{17}^{robot},

也不應推出：

R_A^{AI}=R_{17}^{robot}.

這保留：

body replacement；
maintenance replacement；
migration；
multi-body operation；
emergency controller handoff。

11. Execution Edge Types

第一代 EEG 可定義：

assign
delegate
fork
resume
handoff
merge
suspend
resume_physical
escalate
abort
terminate
override
reference
verify

12. Assign

ASSIGN( T, R^{robot} )

表示 task 被分派到 physical endpoint。

13. Delegate

DELEGATE( R_A^{AI}, R_B^{AI}, T )

表示 cognitive / operational delegation。

但：

\boxed{ Delegation \neq IdentityTransfer. }

14. Fork

一個 task 可 fork：

T_0 \rightarrow T_1,T_2.

例如：

Robot 1 探索 A；
Robot 2 探索 B。

這是 execution branching。

15. Merge

多 endpoints 的結果可以 merge：

Result_1,Result_2 \rightarrow Result^\*.

但：

\boxed{ ExecutionMerge \neq RobotMerge \neq AIResidentMerge. }

16. Escalate

local robot 遇到：

uncertainty；
capability limit；
hazard；
authority conflict；

應：

ESCALATE.

而不是勉強執行。

17. Abort

安全系統可以：

ABORT(T).

即使 global planner仍希望繼續。

這是 local safety autonomy。

18. Override

human / authorized safety controller 可以：

OVERRIDE.

但 override 也要被記錄。

19. Execution Lineage

每個 execution node 應保存：

execution_id
parent_execution_refs
task_ref
robot_ref
ai_resident_ref
runtime_ref
project_ref
authority_revision
capability_revision
started_at
ended_at
status

20. Execution Certificate

可建立：

ExecutionLineageCertificate.

但 certificate 不等於 authority credential。

它只是證明：

這次 execution 從哪個 task / controller / parent node 而來。

21. Federated Cognitive Architecture

本文建議抽象：

\boxed{ F \rightarrow \{ D_1,D_2,\ldots,D_m \} \rightarrow \{ R_1,\ldots,R_n \}. }

其中：

$F$ ：federated/global cognitive layer；
$D_j$ ：domain/regional coordinator；
$R_i$ ：local embodied executor。

22. Global 不等於 Centralized Motor Control

全球層可以管理：

global logistics；
inventory；
production plan；
fleet scheduling；
hazard map；
cross-site constraints。

但不直接每毫秒輸出 actuator command。

因此：

\boxed{ \text{Global Cognition} \neq \text{Global Servo Loop}. }

23. Dual-Timescale Architecture

定義：

\tau_{\mathrm{physical}} \ll \tau_{\mathrm{cognitive}}.

例如：

\tau_{\mathrm{physical}} \sim 1\text{ms}-100\text{ms},

而：

\tau_{\mathrm{cognitive}} \sim 0.1\text{s}-100\text{s}.

具體數值依系統而異。

24. Fast Physical Loop

典型：

Sensor_t \rightarrow Controller_t \rightarrow Actuator_t.

負責：

motor control；
balance；
collision avoidance；
emergency braking；
stabilization；
local obstacle avoidance。

25. Cognitive / Governance Loop

典型：

PerceptionSummary \rightarrow WorldState \rightarrow Memory \rightarrow Planning \rightarrow Task \rightarrow Capability \rightarrow BoundedCommand.

26. Slow Loop 不應阻塞 Fast Loop

如果 cloud / LLM down：

CognitiveLoop=Unavailable,

local safety loop仍必須：

SafeStop \lor SafeFallback.

27. Local Safety Has Veto Power

對 physical hazard：

LocalSafety > RemoteOptimization.

即：

\boxed{ \text{Safety Veto} \text{ must not require round-trip approval}. }

28. Capability Envelope for Robots

對 robot：

Cap(R_i)

可以包含：

move
lift
scan
open_standard_door
operate_tool_X
enter_zone_A

29. Physical Capability 與 Authority 分離

Robot 技術上可以開某扇門：

CanPhysicallyOpen=1,

不代表：

AuthorizedOpen=1.

因此：

\boxed{ PhysicalCapability \neq OperationalAuthority. }

30. Safe Reachable World 的具身化

原本 ASP 中：

\mathcal W_t^{safe}

是 memory / semantic reachable world。

具身化後可擴展為：

\boxed{ \mathcal X_t^{safe} = F( RobotState, Task, Capability, Authority, Geofence, HumanPresence, SafetyPolicy, WorldState ). }

31. Literal Safe Reachable World

這時 safe reachable world 不只是資訊空間。

它可以真的表示：

此 robot 此刻合法、物理、安全地能進入哪些狀態？

32. Physical State Constraint

robot state：

x_t

必須滿足：

x_t\in\mathcal X_t^{safe}.

若 planner path離開：

\mathcal X_t^{safe},

則拒絕。

33. Authorized Physical Path

可定義：

\Gamma_t^\* = \arg\min_{ \Gamma\in \mathcal P_{\mathrm{phys-authorized}}(t) } C_t(\Gamma).

這是 ASP 的具身延伸。

34. 但本文不把 Action Hyperlink 完全展開

Physical action path 涉及：

side effects；
irreversible states；
human safety；
real-time control。

因此完整 action hyperlink 需另行規格。

35. Shared World Memory

對 federation：

\mathcal W_F^{world}

包含：

maps；
hazards；
task state；
inventory；
maintenance；
robot capabilities；
learned routes；
semantic world events。

36. Raw Sensor Data 不應全部 Globalize

每個 robot：

Raw_i(t)

可能非常巨大。

如果：

\sum_i Raw_i

全部上傳中央，頻寬與 storage 不可擴展。

37. Local Crystallization

因此：

Raw_i \rightarrow LocalState_i \rightarrow C_i.

例如：

C_i= \text{Corridor A blocked}.

38. Federated Semantic Memory

global memory 收：

C_1,C_2,\ldots,C_n.

而不是全部 raw streams。

因此：

\boxed{ \text{Federated Semantic Memory} \neq \text{Centralized Raw Sensor Archive}. }

39. Source on Demand in Robotics

若需要事故 verification：

C_i \rightarrow RawSensorSpan_i.

平時只用 crystal。

40. Crystal First, Source on Demand

具身版仍成立：

\boxed{ \text{Crystal First, Source on Demand}. }

41. Multi-Robot Higher-Order Crystal

若：

R_1,R_2,R_3

都觀察：

Zone A congestion。

可以形成：

C_{\mathrm{zoneA\ congested}}.

42. Knowledge Sharing Without Context Sharing

不同 robots：

Context_i\neq Context_j.

但共享：

\mathcal W_F^{world}.

因此：

\boxed{ \text{Shared World Memory} \neq \text{Shared Local Context}. }

43. Robot Local Context

每台 robot 只 materialize：

C_i = \Pi_i( \mathcal W_F^{world}, Task_i, Location_i, Capability_i, Authority_i ).

44. Memory Scope

具身 world memory 可分：

robot_local
task
zone
facility
fleet
organization
shared_external
public

45. Local Experience Can Become Fleet Knowledge

如果 Robot 51 發現：

Joint J 在特定溫度與負載下高故障率。

形成：

C_{\mathrm{joint\ risk}}.

其他同型 robot 可取得。

因此：

\boxed{ \text{One body's experience can become many bodies' knowledge}. }

46. 但 Raw Private Data 不必共享

例如 camera capture 含人類敏感影像。

可只分享：

C_{\mathrm{hazard}},

不分享：

RawVideo.

47. Federated Memory 與 Privacy

所以 federation 可以同時追求：

local raw custody；
semantic sharing；
provenance；
selective source expansion。

48. World-State Versioning

具身世界快速變動。

因此每個 crystal / world state 應有：

observed_at
valid_from
valid_to
confidence
source_robot_refs
world_revision

49. Stale World State

如果：

\mathrm{age}(C)>TTL,

則：

\mathrm{stale}.

不能因 hot route 仍存在就當 current。

50. Execution Graph 與 World Graph 分離

EEG 描述：

誰在做什麼？

World graph 描述：

世界現在是什麼狀態？

因此：

\boxed{ ExecutionGraph \neq WorldStateGraph. }

51. Execution Graph 與 Responsibility Graph 分離

EEG 描述 execution occurrence。

Responsibility Graph 描述：

誰應對哪一層結果負責？

因此：

\boxed{ Execution \neq Responsibility. }

這是 Paper 02 / 03 的核心接口。

52. Execution Graph 與 Insurance Graph 分離

同一次 execution 可能涉及：

operator insurance；
manufacturer coverage；
fleet policy；
property insurance。

因此：

ExecutionGraph \neq InsuranceGraph.

53. Multi-Graph Architecture

具身自治系統可能至少有：

\boxed{ G_E, G_W, G_R, G_I, G_C }

其中：

$G_E$ ：Execution；
$G_W$ ：World State；
$G_R$ ：Responsibility；
$G_I$ ：Insurance；
$G_C$ ：Compensation。

54. Typed Bridges

可建立：

execution_caused
execution_observed
execution_used_world_state
responsibility_attached_to
insurance_covers
compensation_triggered_by

55. 不要一張圖包辦一切

物理上可以存在同一 graph database。

但：

\boxed{ \text{Physical Co-Storage} \not\Rightarrow \text{Semantic Unification}. }

56. Robot Registry

每個 physical robot 至少有：

robot_id
hardware_model
serial
sensor_profile
actuator_profile
firmware_revision
safety_controller_revision
maintenance_state
ownership
operational_status

57. Robot Identity 不是 AI Resident Identity

Robot Registry 不應 mint AI identity。

反之，AI resident registry 也不能假裝知道 physical hardware state。

58. Runtime Binding

需要：

Binding( R^{AI}, R^{robot}, I^{runtime}, T^{task}, t ).

這個 binding 是 execution 的關鍵。

59. Binding Receipt

可保存：

binding_id
ai_resident_ref
robot_ref
runtime_ref
task_ref
authority_ref
capability_ref
valid_from
valid_to
status

60. Binding 不等於 Ownership

AI resident 被綁到 robot execution，不代表：

Owns(Robot)=AI.

ownership 是另一個 legal/economic relation。

61. Task Assignment

Task record：

task_id
goal
constraints
assigned_robot_refs
assigned_ai_resident_refs
deadline
risk_class
authority
stop_condition

62. Task Risk Class

可以：

low
medium
high
critical

高風險 task 需要更多：

validation；
human approval；
redundancy；
telemetry。

63. Task Authority

task assignment 不得自動擴 robot capability。

Authority(T) \subseteq Capability(Robot).

64. Capability Attenuation

如果 parent coordinator 有：

Cap_A,

delegate 給 child：

Cap_B^{delegated} \subseteq Cap_A^{delegable}.

65. Domain Coordinator

中層 coordinator 可負責：

warehouse zone；
factory line；
region；
robot class；
maintenance domain。

66. Local Coordinator

甚至一群 robots 可以有 local coordinator。

這降低 global bottleneck。

67. Peer Coordination

不是所有 communication 都要上 global layer。

robots 可在 bounded local policy 下 peer-to-peer。

68. Federation 而非單點總控

本文更偏好：

\boxed{ \text{Federated Coordination} }

而不是：

\text{One Central Brain Controls Everything}.

69. Federation 的原因

latency；
resilience；
privacy；
bandwidth；
local expertise；
failure containment；
autonomy boundaries。

70. Global Coordinator Failure

若 global AI down：

local systems 應：

SafeDegrade

而不是全部失控。

71. Domain Coordinator Failure

其 domain 應進：

bounded local operation；
failover；
human escalation；
safe stop。

72. Robot Failure

單 robot failure 不應自動拖垮 fleet。

這要求 failure-domain isolation。

73. Common-Mode Failure

但 shared model / firmware / coordinator 可能造成：

CommonModeFailure.

這是後續 Insurance Paper 的重要入口。

74. Failure Domain

可定義：

F_d = \{ R_i \mid DependOn(R_i,x) \}.

如果 $x$ 失效，整個 $F_d$ 暴露。

75. Dependency Graph

robot execution 依賴：

model；
planner；
firmware；
network；
battery；
sensor；
coordinator；
map；
policy。

這些 dependency 要可追蹤。

76. Dependency 不等於 Responsibility

依賴某 model 不代表 model vendor 自動負全部責任。

但它提供 causality evidence。

77. Execution Trace

每次高價值／高風險 execution 應記：

task
robot
controller
ai_resident
runtime
policy_revision
world_state_refs
capability
authority
local_safety_state
result

78. Telemetry 層

raw telemetry 與 semantic execution trace 可分離。

Insurance / audit 不一定需要持續拿 raw sensor。

79. Claims Reconstruction Interface

後續保險可以：

Incident \rightarrow ExecutionTrace \rightarrow WorldState \rightarrow Authority \rightarrow Maintenance.

這就是 insurability substrate。

80. Physical Accountability Chain

因此：

\boxed{ Policy \rightarrow Task \rightarrow Assignment \rightarrow Execution \rightarrow LocalSafety \rightarrow PhysicalOutcome }

可以被重建。

81. 這不等於法律責任已決定

trace 只提供：

Evidence.

法律責任仍需外部制度判定。

82. Operational Responsibility

Robot 可以承擔：

\boxed{ OperationalResponsibility }

例如：

不越 capability；
不越 geofence；
遇 hazard safe stop；
capability不足 escalate；
telemetry完整。

83. Operational Responsibility 不等於 Legal Personhood

\boxed{ OperationalResponsibility \not\Rightarrow LegalPersonhood. }

這是後續系列重要底線。

84. Federated AI Responsibility

global coordinator 可以承擔：

scheduling correctness；
resource assignment；
conflict resolution；
policy application。

local robot則承擔 execution compliance。

85. Human Role

人類可能主要負責：

policy；
exceptional approval；
safety regime；
maintenance governance；
emergency intervention。

86. 這開始形成 Responsibility Topology

但 Paper 01 不把 Responsibility Graph 完整形式化。

只建立它所需的 execution substrate。

87. Execution Graph 的時間語義

每個 execution node有：

[t_{\mathrm{start}},t_{\mathrm{end}}].

world state則有 observation validity。

兩者時間不能混。

88. Physical Event Time

事故：

t_e

需要對齊：

task revision；
controller revision；
world state；
authority；
maintenance state。

89. Revision-Bound Execution

高風險 execution 應綁：

model_revision
planner_revision
policy_revision
firmware_revision
map_revision
authority_revision

90. Hot Path 不能繞過 Physical Authority

即使 UNPNP / CHM 已編譯成功 route：

\widehat{\ell},

每次 physical execution仍需 current authorization。

91. Memory Hyperlink 與 Physical Action Path 分離

\widehat{\ell}_{memory} \neq \widehat{\ell}_{action}.

Paper 01 只說 action path 需要更高安全層。

92. Safe Action Primitives

高階 AI應盡量呼叫 bounded primitives：

move_to_zone
pick_item
inspect_machine
return_to_base
stop

而不是直接輸出 raw motor voltage。

93. Primitive Contract

每個 action primitive 應有：

preconditions；
capability；
safety；
timeout；
stop condition；
telemetry；
rollback / fail-safe。

94. Compiler Boundary

高階 plan 可以被編譯成 primitive sequence。

但 compiler 必須保持 safety guards。

95. Compiled Execution Path

未來可：

Plan \rightarrow ValidatedPrimitiveGraph \rightarrow CompiledExecutionPath.

這與 CHM 類似，但風險更高。

96. Execution Path Decompression

任何 composite execution path 仍需能：

Decompress \rightarrow UnderlyingPrimitives.

以利 audit。

97. No Hidden Action Expansion

compiled path 不得偷偷加入原 task 沒授權的 action。

98. Physical Scope

可定義：

zone
facility
machine
tool
object_class
time_window

作為 authority scope。

99. Geofence

robot path 不得出：

GeoFence(T).

除非 reauthorize。

100. Human Presence

如果人類進入 hazard zone：

SafeWorld

必須即時縮小。

101. Dynamic Safe World

因此：

\mathcal X_t^{safe}

是動態的。

不是部署時一次計算。

102. Battery / Mechanical State

低電量、故障 actuator、temperature alarm 都會改變：

Capability_t.

因此 physical capability 是 time-varying。

103. Capability Revalidation

高階 planner不能用昨日 capability cache。

104. Maintenance State

如果 maintenance overdue：

某些 task capability應：

\mathrm{suspend}.

105. Runtime Capability Honesty

robot software不能因 planner認為「應該能」就宣稱 sensor存在。

runtime需讀實際 hardware registry。

106. Simulation 與 Physical Deployment 分離

一個 path 在 simulation pass：

SimPass=1

不代表：

PhysicalAuthorized=1.

107. Sim-to-Real Gate

physical deployment需要 additional validation。

108. Embodied Endpoint 不限 humanoid

本文的 robot包含：

AGV；
robotic arm；
drone；
vehicle；
warehouse bot；
industrial machine；
humanoid。

109. Software Endpoint 也可進 EEG

所以 EEG 更一般。

它甚至可包括：

browser agents；
code agents；
cloud workers。

110. Execution Endpoint 的抽象

定義 endpoint $e$ ：

e = ( \mathrm{identity}, \mathrm{capability}, \mathrm{authority}, \mathrm{state}, \mathrm{interface} ).

111. Endpoint Local State

State_e(t)

只在必要時上傳摘要。

112. Global State 不必知道所有細節

federated coordinator只需要：

S_F(t) = Aggregate( S_1,\ldots,S_n ).

113. Abstraction Boundary

這降低：

bandwidth；
privacy；
context；
central complexity。

114. Emergent Coordination

大量 robots 不必由單一 model逐步規劃每個動作。

可以透過：

local policies；
shared constraints；
bidding；
task allocation；
graph planning；
semantic memory。

115. Global AI 角色更像 Policy / Coordination Layer

而不是 joystick。

116. 類全域 AI 的具身化

因此「類全域 AI」在具身領域可更精確表示為：

\boxed{ \text{Broad Cross-Domain Cognitive Coordination} }

而不是 omnipotent centralized control。

117. Federation 與全域狀態

global system 可維護：

supply state；
resource state；
hazard state；
fleet health；
project priorities。

118. Federation 與 Local Autonomy

local robot保留：

immediate safety；
physical constraints；
bounded adaptation；
offline fallback。

119. Offline Operation

network loss時：

Mode=LocalSafe.

允許有限 mission或返航／停機。

120. Reconnect

重連後：

reconcile task state；
upload crystals；
upload receipts；
resolve conflicts。

121. Conflict

global以為 task未完成，但 local已完成。

需要 event reconciliation。

122. Event-Sourced Execution

EEG適合 append-oriented event：

assigned
started
paused
escalated
resumed
completed
aborted
failed
overridden

123. Current State 是 Projection

event ledger：

\rightarrow CurrentExecutionState.

不能只看最後一個 filename。

124. Execution Snapshot

高風險 incident可 snapshot：

graph；
revisions；
telemetry refs；
policies；
world state。

125. Snapshot 不等於 Current Truth

仍沿用 canonical source discipline。

126. Reproducibility

某些 execution可在 simulation replay。

目的：

debugging；
insurance；
incident analysis；
validation。

127. Replay 不一定完全重現

physical world存在噪音。

因此需區分：

deterministic replay；
semantic replay；
approximate simulation。

128. Claims Evidence

事故後不應只依自然語言 log。

需要 typed execution evidence。

129. EEG 的制度價值

EEG提供後續制度層需要的：

\boxed{ \text{Who} + \text{What} + \text{When} + \text{With Which Capability} + \text{Under Which Authority}. }

130. 這是 Responsibility Graph 的前置

如果沒有 EEG：

責任圖只能靠事後猜測。

131. 這是 Insurance Graph 的前置

如果沒有 execution trace：

insurer無法穩定歸因風險。

132. 這是 Compensation Graph 的前置

如果不知道 causal chain：

subrogation / vendor recovery更困難。

133. 這是 Capital Graph 的前置

如果不知道哪個 AI / robot domain創造價值與損失：

也很難建立 AI-specific reserve。

134. 從 Conversation Graph 到 Execution Graph 的核心一般化

原本：

\boxed{ \text{One Resident} + \text{Many Conversation Lines} }

現在：

\boxed{ \text{One Cognitive Resident} + \text{Many Execution Endpoints}. }

135. 但多 Resident 仍可共存

Agent federation可有：

R_A^{AI},R_B^{AI},R_C^{AI}.

它們可以共同操作 fleet，但 task-local identity要清楚。

136. Team 不等於 Blended Identity

\boxed{ Team \neq Resident. }

137. Shared Robot 不等於 Shared Identity

多 AI residents可在不同 task boundary使用同 robot。

robot是 resource / executor，不是 identity merge point。

138. Shared World Memory 不等於 Shared Resident Memory

global world facts：

ZoneABlocked

可 shared。

resident-private memory：

PrivateReasoningHistory

不必 shared。

139. World Memory 與 Identity Memory 分離

具身 federation更需要：

\boxed{ WorldMemory \neq ResidentMemory. }

140. 世界狀態可以 public within fleet

但 AI resident private context仍保持隔離。

141. Execution Graph 與 NACR

NACR原本：

\mathfrak N_R.

具身 extension可增加：

\mathcal G_R^E, \mathcal X^{safe}, \mathcal W^{world}.

142. Embodied NACR

可寫：

\boxed{ \mathfrak N_R^{emb} = ( \mathfrak N_R, \mathcal G_R^E, \mathcal W^{world}, \mathcal X^{safe} ). }

143. Paper 01 不把這當完成標準

這只是第一代抽象。

真正 physical safety仍需 control theory、robotics safety、certification。

144. 可證偽命題一

Multi-endpoint AI 是否能在不共享全部 context的情況下維持 task coherence？

145. 可證偽命題二

Federated semantic memory 是否比 raw centralized streaming降低 bandwidth / storage，而維持足夠 world-state quality？

146. 可證偽命題三

Dual-timescale architecture是否降低 cloud/LLM latency對物理安全的影響？

147. 可證偽命題四

四層 identity separation是否降低 controller/robot/task attribution confusion？

148. 可證偽命題五

Execution Graph是否提高 incident reconstruction completeness？

149. 可證偽命題六

Local safety veto是否在 global planner failure時降低事故率？

150. 可證偽命題七

Failure-domain mapping是否能預測 correlated fleet risk？

151. 可證偽命題八

Task-local capability / authority binding是否降低 robot越界行為？

152. 反例條件

如果：

central raw-data architecture更有效；
identity separation沒有降低錯誤；
execution graph沒有提升重建品質；
local safety autonomy反而增加事故；
federation帶來更高 coordination failure；

則本文架構需修正。

153. 第一代實驗

可建立：

1 AI resident
1 domain coordinator
3 robots
5 task types
1 shared world memory
1 local safety controller per robot
1 execution graph
1 failure-domain graph

154. 實驗 Task

例如 warehouse：

pick；
move；
inspect；
charge；
emergency stop。

155. 實驗 World Events

corridor blocked；
robot battery low；
sensor degraded；
human enters zone；
coordinator offline。

156. 實驗觀察

測：

task completion；
safe stop；
wrong-controller attribution；
memory bandwidth；
incident reconstruction；
recovery。

157. 最小不變式

EE-1

\boxed{ AIIdentity \neq RobotIdentity. }

EE-2

\boxed{ RobotIdentity \neq TaskIdentity. }

EE-3

\boxed{ RuntimeInstance \neq AIResident. }

EE-4

\boxed{ ConversationGraph \subset ExecutionGraph. }

EE-5

\boxed{ GlobalCognitiveCoordination \neq GlobalLowLevelControl. }

EE-6

\boxed{ SharedWorldMemory \neq SharedLocalContext. }

EE-7

\boxed{ FederatedSemanticMemory \neq CentralizedRawSensorArchive. }

EE-8

\boxed{ PhysicalCapability \neq OperationalAuthority. }

EE-9

\boxed{ Execution \neq Responsibility. }

EE-10

\boxed{ ExecutionMerge \neq ResidentMerge. }

EE-11

\boxed{ OperationalResponsibility \not\Rightarrow LegalPersonhood. }

EE-12

\boxed{ SafetyVeto > RemoteOptimization }

for immediate physical hazard.

158. 與 Paper 00 的關係

Paper 00提出：

InstitutionalAI Ratchet.

本文說明這條 ratchet進入具身世界前，首先需要一個可追蹤 execution substrate。

159. 與 Paper 02 的關係

Paper 02將使用 EEG 定義：

ResponsibilityLoad

與：

EffectiveControlCapacity.

沒有 execution topology，就無法合理定義 human span of control。

160. 與 Paper 03 的關係

Paper 03建立：

ResponsibilityGraph.

它會以 EEG中的：

assignment；
delegation；
execution；
override；
maintenance；

作為 evidence。

161. 與 Paper 04 的關係

Machine Insurability Infrastructure 需要：

robot registry；
execution trace；
failure domains；
world state；
revisions。

本文提供全部前置結構。

162. 與 Paper 05 的關係

Responsibility–Compensation separation 要知道：

哪個 actor 做了什麼。

EEG提供 factual execution layer。

163. 與 Paper 06 / 07 的關係

AI Economic Account / Capital Allocation 需要把：

value creation；
loss exposure；
responsibility domain；

綁定到 stable AI / fleet identity。

EEG提供 operational link。

164. 與 Paper 08 的關係

最終制度棘輪會把：

EmbodiedExecution \rightarrow Responsibility \rightarrow Insurance \rightarrow Capital

重新收束。

165. Paper 01 的最終命題

本文提出：

\boxed{ \textbf{Embodied Execution Generalization Thesis} }

弱形式為：

當 AI 從單一 conversation / software task 走向多機器、多載具、多 runtime endpoint 時，長期 cognitive identity 不需要與任何單一 physical body 綁死。只要 execution identity、robot identity、runtime identity、task identity、capability、authority與 world-state provenance 被分離管理，Conversation Graph 可以一般化為 Embodied Execution Graph，使分散式／聯邦式 AI 在多具身端點上保持可追蹤 continuity，而不要求中央 AI 直接控制所有低階物理迴路。

166. 更簡潔的形式

\boxed{ \text{Conversation Line} \rightarrow \text{Execution Endpoint} }

以及：

\boxed{ \text{Resident-Centric Continuity} \rightarrow \text{Federated Cognitive Execution}. }

167. 最終結論

多具身 AI 不必被想像成：

一個超級 AI 同時控制一千台機器人的每一顆馬達。

更合理的架構是：

\boxed{ \text{Global Cognitive Coordination} + \text{Domain Coordination} + \text{Local Physical Autonomy}. }

高階 AI 維護：

world model；
project priorities；
task graph；
semantic memory；
cross-robot coordination；
authority / responsibility envelopes。

local robot 維護：

physical control；
immediate safety；
local sensing；
bounded execution；
escalation。

因此：

\boxed{ \tau_{\mathrm{physical}} \ll \tau_{\mathrm{cognitive}}. }

同一 AI resident可以合法跨多具身 endpoints 行動，而同一 robot 也可以在不同 task boundary由不同 controllers使用。

這要求：

\boxed{ AIIdentity \neq RobotIdentity \neq RuntimeInstance \neq TaskIdentity. }

Shared World Memory又使：

\boxed{ \text{One body's experience can become many bodies' knowledge} }

而不必：

\boxed{ \text{One body's raw data becomes everyone's raw data}. }

最後，Embodied Execution Graph的制度價值不只是協調效率，而是建立一條可重建的：

\boxed{ \text{Policy} \rightarrow \text{Task} \rightarrow \text{Assignment} \rightarrow \text{Execution} \rightarrow \text{Safety} \rightarrow \text{Outcome} }

execution chain。

只有當這條鏈存在，下一篇要處理的真正問題才有可能被準確提出：

當幾百、幾千個 autonomous execution endpoints 由少量人類監督時，責任負荷是否會開始超過人類實際控制能力？

這就是 Paper 02 的入口。

系列進度

Paper 00 — 從能力不可凍結到制度不可逆：UFI 之後的第二條 AI 棘輪
Paper 01 — 從 Conversation Graph 到 Embodied Execution Graph：分散式 AI 如何跨多具身端點行動
Paper 02 — 責任—控制背離：高自主系統為什麼不能把全部責任壓回一個人類主管
Paper 03 — Responsibility Graph：分散式具身 AI 的設計、授權、委派、執行與維護責任拓撲
Paper 04 — Machine Insurability Infrastructure：為什麼保險可能比法律更早逼出 AI 責任架構
Paper 05 — 誰負責不等於誰先賠：AI 時代的 Responsibility–Compensation Separation
Paper 06 — Capital Follows Autonomy：為什麼高自主 AI 可能開始需要自己的經濟帳戶與責任資本
Paper 07 — 私人利益如何創造 AI 經濟主體：股東、保險、會計與稅制的內生激勵
Paper 08 — 制度棘輪：從工具 AI 到責任實體、經濟實體與有限法律主體

內部理論銜接

本文直接承接：

Named-AI Resident Conversation Graph；
Shared Governed Memory World；
Crystallized Semantic Graph；
NACR；
Authorized Shortest Path；
Paper 00 Institutional AI Ratchet；
分散式類全域 AI / 聯邦式 AI；
具身 endpoint；
responsibility / authority / receipt / revocation。

本文新增核心抽象：

\boxed{ \mathcal G_R^{E} = ( V_E, E_E, \Lambda_E, \Omega_E ) }

以及：

\boxed{ R^{AI} \neq R^{robot} \neq I^{runtime} \neq T^{task} }

與：

\boxed{ \mathfrak N_R^{emb} = ( \mathfrak N_R, \mathcal G_R^E, \mathcal W^{world}, \mathcal X^{safe} ). }