物理投影—觀察工程（Paper 01）

從數學投影算子到感測、材料、物理場與閉環校正

Physical Projection–Observation Engineering: From Mathematical Projection Operators to Sensing, Materials, Physical Fields, and Closed-Loop Calibration

作者： Neo.K
AI 協作： Aletheia（GPT-5.6 Sol）
機構： EveMissLab／一言諾科技有限公司
系列定位： 載體投影與內視系列之工程延伸
篇次： Paper 01
版本： v0.1
日期： 2026-09-08
研究定位： 計算機架構 × AI × 感測器 × 物理學 × 材料學 × 光學 × 聲學 × 觸覺介面 × HCI × 控制
狀態： 工程框架與研究議程；不宣稱本文已完成通用物理投影裝置，也不宣稱任一感官通道可無損傳達任意資訊

摘要

數學上的投影通常可以簡潔地寫成：

P=\Pi(M),

其中 $M$ 是模型或高維狀態， $P$ 是投影後的可操作表示。然而，當這個框架被要求真正進入計算機、機器人、XR、人機介面與物理世界時， $\Pi$ 不能只停留在抽象映射。AI 若要「觀察」現實，必須先透過感測材料把光、聲、壓力、溫度、磁場、化學濃度或機械應變轉導為可計算訊號；AI 若要把內部模型「投影」給人類或其他機器，也必須把數學表示轉成控制訊號，再透過光學、聲學、機械、電刺激或其他執行器產生真實物理場，最後由生物或機器 receptor 解碼。

本文提出 Physical Projection–Observation Engineering（PPOE，物理投影—觀察工程），把抽象投影算子擴張為一個完整的跨層工程鏈。觀察方向寫為：

\mathcal{R} \xrightarrow{\mathcal{S}} \Phi \xrightarrow{\mathcal{T}} a \xrightarrow{\mathcal{Q}} d \xrightarrow{\mathcal{E}} z \xrightarrow{\mathcal{F}} M,

其中 $\mathcal{R}$ 為外部世界， $\Phi$ 為物理場， $\mathcal{S}$ 為選擇性耦合， $\mathcal{T}$ 為材料／裝置轉導， $a$ 為類比訊號， $\mathcal{Q}$ 為量化、事件化或 spike encoding， $d$ 為數位或事件訊號， $\mathcal{E}$ 為編碼， $z$ 為 AI-native representation， $\mathcal{F}$ 為融合與模型更新。

投影方向則寫為：

M \xrightarrow{\mathsf{CPC}} P^\ast \xrightarrow{\mathcal{C}_{phys}} u \xrightarrow{\mathcal{A}_{\theta}} \Phi' \xrightarrow{\mathcal{H}_o} \widehat{P},

其中 $\mathsf{CPC}$ 為 Cognitive Projection Compiler， $P^\ast$ 是目標投影， $\mathcal{C}_{phys}$ 是物理訊號編譯器， $u$ 是裝置控制訊號， $\mathcal{A}_{\theta}$ 是由材料與裝置參數 $\theta$ 所決定的 actuator/transducer， $\Phi'$ 是實際產生的光、聲、力、熱、電或其他物理場， $\mathcal{H}_o$ 是觀察者或 receptor 的感知轉換， $\widehat P$ 是最後實際取得的 percept／observation。

因此，真正的投影工程不是 rendering 問題，而是一個 inverse physics 問題：

u^\ast = \operatorname*{arg\,min}_{u} \mathcal{L} \left( P^\ast, \mathcal{H}_o \left( \mathcal{A}_{\theta}(u) \right) \right).

若材料或裝置本身也可被設計，則：

(u^\ast,\theta^\ast) = \operatorname*{arg\,min}_{u,\theta} \mathcal{L} \left( P^\ast, \mathcal{H}_o \left( \mathcal{A}_{\theta}(u) \right) \right).

本文進一步提出 Physical Projection–Observation Stack（PPOS），將 canonical model、task/observer model、CPC、representation、physical signal compiler、transducer material、physical field、receptor、percept 與 feedback calibration 分層。該框架允許視覺、聲音、觸覺、XR、電刺激、機器原生事件流與未來未知載體共享同一架構，而不要求所有資訊先被轉成人類 2D/3D 影像。

本文亦強調材料學不是被動末端。現代 in-sensor computing、neuromorphic sensing、metasurface optics、柔性壓電材料、electrotactile interface 與 wearable haptics 已經顯示，感測、編碼、計算與輸出正在逐步向材料與裝置前端融合。未來的投影系統可能不再具有清楚分離的「sensor → processor → display」，而可能形成：

\boxed{ \text{material} = \text{sense} + \text{encode} + \text{compute} + \text{respond}. }

本文最後提出可立即實作的 MVP：以相機／深度感測、AI scene graph、CPC、2D/AR display 與 vibrotactile wearable 組成多載體投影閉環；再以第二階段硬體共設計進入 holographic/metasurface display、neuromorphic sensor、electrotactile/haptic array 與 observer-specific calibration。

核心命題是：

\boxed{ \text{A physical projection operator is not a picture generator.} }

\boxed{ \text{It is a closed-loop transduction system that compiles model structure into physically realizable, observer-decodable fields.} }

關鍵詞： physical projection、observation operator、transduction、inverse design、in-sensor computing、metasurface、haptics、electrotactile、neuromorphic sensing、Cognitive Projection Compiler、closed-loop calibration

0. 研究問題

前一系列已經回答：

一個 AI 或人類應該用哪一種 projection 理解某個世界模型？

但還剩下一個更底層的工程問題：

數學上選好的 projection，如何真正穿過計算機、電路、材料與物理場，最後變成一個人或機器能取得的 observation？

因此本文不再只研究：

P=\Pi(M).

而研究：

\boxed{ M \rightarrow P \rightarrow u \rightarrow \Phi \rightarrow \widehat P. }

1. 數學投影與物理投影不是同一件事

數學 projection 可以是：

\Pi:\mathcal{M}\rightarrow\mathcal{P}.

但物理系統不能直接執行抽象集合映射。它必須經過記憶體、數位電路、DAC／ADC、驅動器、感測材料、光學元件、機械元件、電極與生物 receptor。

因此：

\boxed{ \text{Mathematical Projection} \neq \text{Physical Projection Execution}. }

2. 觀察不是直接讀世界

AI 常被描述成：

camera 看見世界。

更精確地：

\mathcal{R} \rightarrow \Phi \rightarrow a \rightarrow d \rightarrow z \rightarrow M.

世界先與 sensor 發生物理耦合，再逐層轉成可計算狀態。

3. Physical Field 是第一個真正被 Sensor 接觸的對象

令：

\Phi \in \{ \Phi_{\mathrm{EM}}, \Phi_{\mathrm{acoustic}}, \Phi_{\mathrm{thermal}}, \Phi_{\mathrm{mechanical}}, \Phi_{\mathrm{chemical}}, \Phi_{\mathrm{magnetic}}, \ldots \}.

不同 sensor 其實選擇不同世界切片。

4. Observation Operator 首先是 Coupling Selection

定義：

\mathcal{S}_{c} : \mathcal{R} \rightarrow \Phi_c.

因此 AI 的 observation 並不是對完整世界的取樣，而是：

\boxed{ \text{channel-bounded physical coupling}. }

5. 材料的第一個角色：Transduction

定義：

\mathcal{T}_{\theta} : \Phi \rightarrow a.

$\theta$ 可以表示 composition、geometry、doping、thickness、microstructure、temperature、bias、polarization response 與 mechanical boundary condition。

6. 典型轉導

光：

\text{photon flux} \rightarrow \text{photo-generated charge}.

聲音：

\text{pressure} \rightarrow \text{membrane displacement} \rightarrow V.

壓力／應變：

\epsilon \rightarrow \Delta R

或：

\epsilon \rightarrow Q_{\mathrm{piezo}}.

磁場：

B \rightarrow V_{\mathrm{Hall}}.

7. Sensor 本身就是一個物理投影器

Sensor 不只是「收資料」。因為：

\Phi \rightarrow a

已經決定 sensitivity、resolution、bandwidth、saturation、noise 與 nonlinear response。

所以：

\boxed{ \text{sensor physics} = \text{part of projection semantics}. }

8. Observation Debt 從材料層就開始

\mathbf{D}_{sensor} = \left( D_{\mathrm{band}}, D_{\mathrm{noise}}, D_{\mathrm{sat}}, D_{\mathrm{nonlinear}}, D_{\mathrm{drift}}, D_{\mathrm{cross}} \right).

9. Quantization 不是中性步驟

\mathcal{Q}:a\rightarrow d.

可包括 ADC、threshold、eventization、spike encoding 與 compression。

10. Event Camera 的概念意義

傳統 frame-based vision：

I(x,y,t_k).

事件式表示：

e_i=(x_i,y_i,t_i,p_i).

兩者不是同一資料格式的不同包裝，而是不同 observation contract。

11. AI-Native Sensing

AI-native sensor 的目標不一定是產生「人類好看的 image」，而是：

\boxed{ \text{physical input} \rightarrow \text{AI-optimized representation}. }

12. In-Sensor Computing

現代研究已讓 sensor 前端直接執行 feature enhancement、spike encoding、temporal integration、filtering 與 convolution-like operations。

因此：

\boxed{\text{Sensor}+\text{Encode}+\text{PartialCompute}}

正在融合。

13. Sensor–Algorithm Co-Design

如果 sensor 輸出：

z_{\mathrm{event}},

後端卻只接受：

z_{\mathrm{RGB}},

仍會增加轉換成本。

因此：

\boxed{ \text{sensor representation} \leftrightarrow \text{AI architecture} }

需要 co-design。

14. AI Observation Stack

\boxed{ \mathcal{O}_{AI} = \mathcal{F} \circ \mathcal{E} \circ \mathcal{Q} \circ \mathcal{T} \circ \mathcal{S}. }

15. Fusion

多 sensor：

z_1,\ldots,z_n

經：

M_t = \mathcal{F}(z_1,\ldots,z_n,M_{t-1}).

這才進入 world model。

16. World Model 不是 Sensor Data

\boxed{ M_t \neq z_t \neq d_t \neq a_t \neq \Phi_t. }

每一層都需要 provenance。

17. 反方向：AI 如何把模型投影出去？

數學表示：

P^\ast = \mathsf{CPC}(M,o,c,\tau,b,\rho).

但 $P^\ast$ 仍然只是 target representation。

18. Physical Signal Compiler

定義：

\boxed{ \mathcal{C}_{phys} : P^\ast \rightarrow u. }

$u$ 是裝置可執行控制量。

19. 視覺載體的控制量

可以是 pixel voltage、LED current、laser intensity、SLM phase、DMD state、MEMS angle 或 tunable optical state。

20. 聲學載體

u = \{A(t),f(t),\phi(t),\ldots\}.

經 transducer：

u \rightarrow p(x,t).

21. Haptic 載體

$u$ 可以控制 vibration amplitude、frequency、pressure、displacement、temperature、electrotactile pulse 或 pneumatic pressure。

22. Actuator／Transducer

定義：

\mathcal{A}_{\theta} : u \rightarrow \Phi'.

$\Phi'$ 是真正進入物理世界的輸出場。

23. 視覺 Projection 最終是光場問題

對 near-eye display：

u \rightarrow E(x,y,z,\lambda,t).

真正到人眼的不是 image matrix，而是電磁場的空間／頻譜結構。

24. Holographic Projection

若希望建立目標 wavefront：

E^\ast,

需要求控制相位：

\phi^\ast(x,y).

這已經是一個 inverse problem。

25. Metasurface

meta-atom geometry：

\theta_{\mathrm{meta}}

可以控制 phase、amplitude、polarization 與 diffraction efficiency。

因此材料與微結構本身就進入 projection operator。

26. Inverse-Designed AR 是早期完整示範

2024–2025 的研究已經把 metasurface、waveguide physics、AI holography、inverse design 與 camera feedback 放進同一 near-eye display pipeline。

這說明：

\boxed{ \text{projection} = \text{computation} + \text{physics} + \text{materials} + \text{calibration}. }

27. Desired Projection 不等於 Realized Projection

P^\ast \neq \widehat P

通常是正常狀態。

28. Inverse Physical Projection Problem

\boxed{ u^\ast = \operatorname*{arg\,min}_u \mathcal{L} \left( P^\ast, \mathcal{H}_o ( \mathcal{A}_\theta(u) ) \right). }

29. Material Co-Design

\boxed{ (u^\ast,\theta^\ast) = \operatorname*{arg\,min}_{u,\theta} \mathcal{L} \left( P^\ast, \mathcal{H}_o ( \mathcal{A}_\theta(u) ) \right). }

30. AI × Physics × Materials 的真正接口

AI 可以執行 inverse design、control optimization、calibration、compensation、fault adaptation 與 observer personalization。

31. Human Receptor 也不是透明讀取器

\mathcal{H}_o: \Phi' \rightarrow \widehat P.

$o$ 取決於 eye geometry、hearing threshold、skin mechanics、neural adaptation、prior learning 與 attention。

32. 同一物理場，不同觀察者可有不同 percept

\Phi'_1=\Phi'_2

但：

\mathcal{H}_{o_1}(\Phi') \neq \mathcal{H}_{o_2}(\Phi').

33. Observer Calibration

\boxed{ \text{Projection Calibration} = \text{device calibration} + \text{observer calibration}. }

34. 視覺校準

可包含 eye position、interpupillary distance、aberration、focus 與 color response。

35. Haptic 校準

可包含 body location、skin impedance、pressure threshold、sensory acuity 與 adaptation rate。

36. Electrotactile 是重要的新型輸出通道

electrotactile stimulation 可透過皮膚電極建立 machine-to-human code。

因此：

\boxed{ \text{machine variable} \rightarrow \text{learned tactile symbol}. }

37. 它不必只模擬自然觸摸

可以直接編碼 direction、warning、confidence、speed、state class 與 navigation instruction。

38. Haptic Projection

\Pi_{\mathrm{data}\rightarrow\mathrm{skin}} : x \rightarrow u_{\mathrm{haptic}} \rightarrow \Phi_{\mathrm{skin}} \rightarrow \widehat P_H.

39. Wearable Haptics 的材料族

可包括 electromagnetic、piezoelectric、polymeric、pneumatic、fluidic、thermal 與 electrotactile。

40. Flexible Materials

wearable interface 要求 conformability、durability、low mass、stretchability、low power 與 stable skin contact。

所以材料學直接決定可用 carrier geometry。

41. Piezoelectric Materials

感測：

\epsilon \rightarrow Q.

致動：

E \rightarrow \epsilon.

因此特別適合 sense–actuate integration。

42. Material Duality 不是必要條件

一種材料可以只 sensing，另一種只 actuation。

因此：

\boxed{ \text{observation material} \not\equiv \text{projection material}. }

43. Sonification

高維狀態：

x\in\mathbb{R}^n

可以映射到 pitch、timbre、rhythm、volume 與 spatialization。

44. 聲音不是視覺的降級版

它可能對 temporal pattern、anomaly、rhythm 與 continuous monitoring 更合適。

45. Multi-Carrier Projection

同一狀態可以同時產生：

P_{\mathrm{visual}}, P_{\mathrm{audio}}, P_{\mathrm{haptic}}.

46. 多載體不是重複資訊

最佳策略可能是：

I = I_v \cup I_a \cup I_h,

把不同資訊分配到不同通道。

47. Cross-Modal Allocation

對每個資訊變量 $x_i$ ：

c_i^\ast = \operatorname*{arg\,max}_c Q(x_i,c,o,\tau).

48. Physical Projection–Observation Stack

本文正式提出：

\boxed{ \mathsf{PPOS} = (L_0,\ldots,L_9). }

49. PPOS L0：Canonical World / Model

L_0=M.

50. PPOS L1：Task & Observer Model

L_1=(o,\tau,b,\rho).

51. PPOS L2：Cognitive Projection Compiler

L_2=\mathsf{CPC}.

52. PPOS L3：Target Representation

L_3=P^\ast.

53. PPOS L4：Physical Signal Compiler

L_4=\mathcal{C}_{phys}.

54. PPOS L5：Transducer / Actuator Material

L_5=\mathcal{A}_{\theta}.

55. PPOS L6：Physical Field

L_6=\Phi'.

56. PPOS L7：Biological / Machine Receptor

L_7=\mathcal{H}_o.

57. PPOS L8：Percept / Observation

L_8=\widehat P.

58. PPOS L9：Feedback / Recalibration

L_9=\mathcal{V}+\mathcal{U}.

59. PPOS 完整鏈

\boxed{ M \xrightarrow{\mathsf{CPC}} P^\ast \xrightarrow{\mathcal{C}_{phys}} u \xrightarrow{\mathcal{A}_{\theta}} \Phi' \xrightarrow{\mathcal{H}_o} \widehat P \xrightarrow{\mathcal{V}} e \xrightarrow{\mathcal{U}} (u',\theta',M'). }

60. Feedback Error

e = d(P^\ast,\widehat P).

61. Device Calibration Loop

u_{k+1} = \mathcal{U}_{device}(u_k,e_k).

62. Material Calibration

\theta_{k+1} = \mathcal{U}_{mat}(\theta_k,e_k).

63. Observer Calibration

\eta_{o,k+1} = \mathcal{U}_{obs}(\eta_{o,k},r_k).

64. 三重 Calibration

\boxed{ \text{calibration} = \text{device} + \text{material} + \text{observer}. }

65. Physical Projection Debt

\mathbf{D}_{phys} = \left( D_{\mathrm{model}}, D_{\mathrm{compile}}, D_{\mathrm{device}}, D_{\mathrm{material}}, D_{\mathrm{field}}, D_{\mathrm{receptor}}, D_{\mathrm{latency}} \right).

66. Material Drift

\theta(t+\Delta t) \neq \theta(t).

即使 $P^\ast$ 不變， $\widehat P$ 也可能改變。

67. Manufacturing Variance

同設計：

\theta_1\neq\theta_2.

因此需要 per-device calibration。

68. Human Variance

同設備：

o_1\neq o_2.

因此需要 per-observer calibration。

69. Context Variance

同一觀察者在 fatigue、ambient light、skin hydration 等條件下也可能改變。

70. Projection 不是一次性編譯

\boxed{ \text{physical projection} = \text{continuous control problem}. }

71. Real-Time Constraint

T_{sense} + T_{infer} + T_{compile} + T_{actuate} + T_{feedback} \leq T_{max}.

72. Latency Debt

如果：

T>T_{max},

投影可能正確但過時。

73. Bandwidth Constraint

B_{channel}

限制能投影的資訊量。

74. Energy Constraint

wearable system 要受：

E_{budget}

限制。

75. Safety Gate

\operatorname{Actuate} \iff \operatorname{Safe}(u,\theta,o,c)=1.

76. Representation Correct 不代表 Physical Output Safe

\boxed{ \text{semantic correctness} \neq \text{physical safety}. }

77. Candidate vs Authorized Signal

u_{candidate} \neq u_{authorized}.

78. Machine Receptor

如果 receiver 是另一台機器：

\mathcal{H}_{machine}

不需要模仿 human sensory response。

79. Humanization 不是必需階段

\boxed{ AI\rightarrow AI }

可以直接使用 machine-native carrier。

80. 同一 Model 多 Physical Branch

M \rightarrow \begin{cases} P_H\\ P_{AI}\\ P_{robot}\\ P_{XR} \end{cases}

81. Material-Level Computation

未來 sensor、memory、compute 可能在同一器件或局部硬體融合。

82. Memristive / Neuromorphic Interface

這類元件允許 analog state、memory、event response 與 local computation，因此材料結構可逐步承擔 computational semantics。

83. 認知材料

本文提出長期工程概念：Cognitive Material。

若材料／器件局部同時實現：

\mathcal{S} + \mathcal{T} + \mathcal{Q} + \mathcal{E} + \mathcal{A},

則它不再只是 sensor 或 actuator，而是部分 projection–observation runtime。

84. 認知材料不是「有意識材料」

這裡 cognitive 只表示 information transduction and task-relevant computation，不表示 subjective consciousness。

85. 最小可行產品：不需要新材料

第一代完全可以使用現成：

RGB／depth camera；
microphone；
IMU；
GPU/NPU；
scene graph；
CPC；
2D display；
AR headset；
vibrotactile band。

86. MVP Canonical Model

M = G_{scene}.

包含 object、relation、position、hazard、confidence 與 provenance。

87. MVP Projection Routing

精確文字：

\rightarrow \text{2D}.

空間 hazard：

\rightarrow \text{AR}.

高優先級 warning：

\rightarrow \text{haptic}.

AI detailed reasoning state：

\rightarrow \text{machine-native graph}.

88. MVP 核心不是多媒體

而是：

\boxed{ \text{one canonical model} \rightarrow \text{task-routed heterogeneous projections}. }

89. 第二階段：Optical Co-Design

可進入 microLED、SLM、holographic waveguide、metasurface 與 camera-in-loop calibration。

90. 第二階段：Haptic Co-Design

可進入 piezo array、soft actuator、electrotactile array 與 thermal haptics。

91. 第二階段：Neuromorphic Sensing

可加入 event camera、in-sensor compute、tactile event sensor 與 spiking encoder。

92. 第三階段：Material–Algorithm Co-Design

聯合優化：

\theta_{material}, \quad \theta_{device}, \quad \theta_{algorithm}.

93. Hardware–Algorithm Co-Design Objective

\mathcal{J} = Q_{task} - \lambda_E E - \lambda_T T - \lambda_D D - \lambda_C C.

94. Material Constraint

\theta \in \Theta_{fabricable}.

inverse design 不能產生無法製造的材料幾何。

95. Robust Design

考慮 fabrication variation：

\delta\theta.

目標可包含：

\mathbb E_{\delta\theta} [ \mathcal L(\theta^\ast+\delta\theta) ].

96. Observer-Robust Projection

若：

o\sim p(o),

可優化：

\mathbb E_o[ \mathcal L(P^\ast,\widehat P_o) ].

97. Frozen／Calibratable／Adaptive Parameters

區分：

\theta_{frozen}, \quad \theta_{calibratable}, \quad \theta_{adaptive}.

避免假設所有硬體參數都能 online 更新。

98. Physical Projection Compiler 的完整輸出

\boxed{ \mathsf{PhysCompile}(P^\ast) = (u,Safety,Calibration,Audit). }

99. Projection Failure Modes

\mathcal{F} = \{ F_{semantic}, F_{hardware}, F_{material}, F_{calibration}, F_{observer}, F_{safety} \}.

100. PPOE 核心設計規則

\boxed{ \text{semantic validity} + \text{physical realizability} + \text{observer decodability} + \text{safety}. }

101. Reachable Projection Set

\mathcal{P}_{phys} = \left\{ \mathcal{H}_o(\mathcal{A}_{\theta}(u)): u\in\mathcal{U}_{safe} \right\}.

若：

P^\ast \notin \mathcal{P}_{phys},

CPC 就必須換 carrier 或降低 projection target。

102. CPC 與 PPOS 必須雙向耦合

\boxed{ \mathsf{CPC} \leftrightarrow \mathsf{PPOS}. }

CPC 問：最適表示是什麼？

PPOS 回答：這個載體實際能做到什麼？

103. Physical Capability Descriptor

\mathsf{Cap}(c) = \left( Range, Resolution, Latency, Bandwidth, Energy, Safety, Calibration, Debt \right).

104. Projection Planning 是 Cyber-Physical Planning

\boxed{ \text{Projection Planning} = \text{representation planning} + \text{physical capability planning}. }

105. Dynamic Carrier

若載體本身可調：

c_t\neq c_{t+1}.

例如 tunable metasurface、reconfigurable haptic array 或 programmable material。

106. Material Memory

若材料有 history dependence：

\Phi_t = F(u_t,h_{t-1}).

則 projection runtime 必須維護 carrier state。

107. 載體不是靜態容器

\boxed{ \text{carrier} \neq \text{passive container}. }

它可能是動態物理計算參與者。

108. Observation 與 Projection 不要求對偶

\boxed{ \mathcal{T} \neq \mathcal{A}^{-1}. }

Camera 與 display 本來就不是嚴格逆元。

109. 多對一 Observation

可能存在：

\mathcal{T}(\Phi_1) = \mathcal{T}(\Phi_2).

因此 observation inverse problem 不唯一。

110. 多對一 Percept

不同 stimulus：

\Phi_1\neq\Phi_2

也可能：

\mathcal{H}_o(\Phi_1) \approx \mathcal{H}_o(\Phi_2).

111. Projection Synthesis 可以有多解

\mathcal{U}^\ast = \left\{ u: \mathcal{L}(P^\ast,\widehat P(u)) \leq\epsilon \right\}.

112. 多解後再優化 Energy 與 Safety

u^\ast = \operatorname*{arg\,min}_{u\in\mathcal{U}^\ast} \left( E(u) + \lambda R_{safety}(u) \right).

113. 可實驗研究一：Visual–Haptic Routing

同一 navigation task 比較 visual-only、haptic-only、visual+haptic 與 CPC adaptive。

測：

T, Error, Load, MissRate.

114. 可實驗研究二：Device Closed-Loop Calibration

建立 $P^\ast$ ，量測 $\widehat P$ ，迭代更新 $u$ ，比較 closed-loop 與 open-loop projection error。

115. 可實驗研究三：Observer-Specific Calibration

比較 global mapping 與 personalized mapping。

116. 可實驗研究四：AI-Native Sensor

同一 robotic task 比較 RGB frame、event stream、in-sensor feature 與 mixed sensor。

測：

Accuracy, Latency, Energy, Bandwidth.

117. 可實驗研究五：Projection Debt Across Physical Stack

依序注入 sensor noise、quantization、device drift 與 observer variation，測量：

D_{total}.

118. 可實驗研究六：Learned Haptic Code

把機器變量映射成 haptic icon，研究 learnability、retention、confusion matrix 與 channel capacity。

119. 資訊理論接口

如果通道容量：

C_c,

資訊需求：

I_\tau,

需滿足：

I_\tau\leq C_c

或進行壓縮與分流。

120. 但 Shannon Capacity 不是全部

\boxed{ \text{channel capacity} \neq \text{cognitive usability}. }

還涉及 learning、attention、semantics、fatigue 與 discrimination threshold。

121. Psychophysics 是 PPOE 的必要工程層

物理 stimulus 與 percept 的 mapping 需要實驗量測，不能只靠裝置規格。

122. Device Resolution 不等於 Effective Resolution

\boxed{ R_{device} \neq R_{effective,o}. }

123. Material–Device–Algorithm–Observer Co-Design

\boxed{ \text{material} \leftrightarrow \text{device} \leftrightarrow \text{algorithm} \leftrightarrow \text{observer}. }

124. Projection Contract

\mathsf{PContract} = \left\langle Target, Carrier, Signal, Device, Material, Observer, Safety, Debt, Calibration, Validation \right\rangle.

125. Physical Provenance

\operatorname{Prov}_{phys} = \left( Model, Compiler, Firmware, Device, Material, Calibration, ObserverProfile, Time \right).

126. Reproducibility

一個物理 projection experiment 至少要能重建：

(M,P^\ast,u,\theta,o,Cal).

127. 可反駁性

若抽象 projection 不需要材料、裝置與 observer transfer function 就能精確預測實際 percept，本文的物理分層就過度複雜。

若 in-sensor computing 在廣泛任務中沒有 latency／energy／bandwidth 優勢，其適用域就應縮小。

若 observer calibration 對 task performance 無系統影響，個人化層應降級為選配。

若 multi-carrier routing 無法優於固定單一載體，CPC routing 的工程價值應重新評估。

128. 現有技術接口

128.1 AI-Native In-Sensor Vision

2026 的 AI-native robotic vision review 系統整理 synaptic、neuronal 與 hierarchical in-sensor computing，指出 sensor 前端可直接執行 feature enhancement、spike encoding 與 convolution-like operations，降低傳輸與前處理成本。

128.2 AI + Metasurface + Holographic AR

2024 年全彩 3D holographic AR 工作把 inverse-designed metasurface gratings、waveguide physics、AI holography 與 camera-feedback calibration 共設計，提供「desired projection → physical device → measured output → learned correction」的實體範例。

128.3 Achromatic Metasurface Waveguide

2025 年 metasurface waveguide prototype 使用 inverse-designed metasurface couplers 與 high-index waveguide，在單層結構實現全彩 AR，說明材料幾何與光學 projection quality 可以共同優化。

128.4 Wearable Haptics

2025 wearable multi-sensory haptics review 系統整理 vibration、skin stretch、pressure、temperature 與 polymeric、fluidic 等 actuator，並指出人體位置、接觸力學與個體差異會影響 perceptual performance。

128.5 Electrotactile Machine-to-Human Communication

2026 review 已明確把 electrotactile stimulation 定位成 machine-to-human communication channel，同時指出 skin dependency、neural adaptation 與一致 encoding framework 仍是限制。

129. 本文不主張什麼

本文不主張：

所有 AI observation 都應使用 neuromorphic sensor；
in-sensor computing 一定優於傳統 camera pipeline；
metasurface 是 XR 唯一正確材料；
electrotactile 應取代視覺或聽覺；
人類 receptor 可以無損接收任意高維資訊；
physical projection 可以取消 representation debt；
inverse design 一定有唯一解；
observer-specific calibration 等於讀心；
cognitive material 具有主觀意識；
material–algorithm co-design 意味所有層必須共同訓練；
AI 可以無限制直接控制物理刺激；
物理可實現代表語義正確；
語義正確代表物理安全；
Paper 01 已完成通用投影硬體；
未來新材料可以取消世界重新驗證的必要性。

130. 核心命題總結

命題 A：Observation 是跨物理與計算的複合算子

\boxed{ \mathcal{O}_{AI} = \mathcal{F} \circ \mathcal{E} \circ \mathcal{Q} \circ \mathcal{T} \circ \mathcal{S}. }

命題 B：物理 Projection 不是 Rendering

\boxed{ \text{Physical Projection} \neq \text{Rendering}. }

命題 C：真正投影是 Inverse Physics Problem

\boxed{ u^\ast = \operatorname*{arg\,min}_u \mathcal{L} \left( P^\ast, \mathcal{H}_o ( \mathcal{A}_\theta(u) ) \right). }

命題 D：材料是 Projection Semantics 的一部分

\boxed{ \text{material transfer function} \subset \text{projection operator}. }

命題 E：Device 與 Observer 都要 Calibration

\boxed{ \text{Projection Calibration} = \text{device} + \text{material} + \text{observer}. }

命題 F：Sensor、Encode、Compute 可逐步融合

\boxed{ \text{AI-native sensing} = \text{sensing with task-oriented representation generation}. }

命題 G：語義、物理、可解碼與安全必須同時成立

\boxed{ \text{semantic validity} + \text{physical realizability} + \text{observer decodability} + \text{safety}. }

命題 H：Observation 與 Projection 不要求對偶

\boxed{ \mathcal{T} \neq \mathcal{A}^{-1}. }

命題 I：載體可以成為動態計算參與者

\boxed{ \text{carrier} \neq \text{passive container}. }

131. 結論：讓數學投影真正穿過物理世界

數學上：

P=\Pi(M)

非常漂亮。

但真正的機器不能靠這一行就讓人「看見」或「感覺到」某個模型。

需要：

\boxed{ \text{model} \rightarrow \text{representation} \rightarrow \text{control signal} \rightarrow \text{material response} \rightarrow \text{physical field} \rightarrow \text{receptor} \rightarrow \text{percept}. }

反方向也同樣如此：

\boxed{ \text{world} \rightarrow \text{physical field} \rightarrow \text{sensor material} \rightarrow \text{signal} \rightarrow \text{encoding} \rightarrow \text{AI model}. }

所以真正的 AI 投影—觀察系統是一個雙向、非必然對偶、閉環校正的 cyber-physical transduction runtime。

其核心不是把一個抽象圖「顯示出來」。而是回答：

哪個物理通道可以承載這個結構？

哪種材料與裝置可以產生這個通道？

AI 要控制哪些變量？

真實裝置會如何偏離理想模型？

觀察者實際能解碼多少？

如何量測誤差？

如何重新校準？

因此本文最終提出：

\boxed{ \text{Physical Projection} = \text{Representation Compilation} + \text{Inverse Physics} + \text{Material Transduction} + \text{Observer Decoding} + \text{Closed-Loop Calibration}. }

而未來真正先進的投影硬體，很可能不再只是 sensor、processor、display 三個互相獨立的盒子，而會逐漸走向：

\boxed{ \text{material} = \text{sense} + \text{encode} + \text{compute} + \text{respond}. }

但即使到了那一步，本文仍保留最重要的邊界：

\boxed{ \text{physically realized projection} \neq \text{world itself}. }

材料與計算可以讓不可直接感知的東西變得可操作；它們不能取消 projection 與 reality 之間仍需被驗證的距離。

132. Paper 02 接口

下一篇將處理：

《模擬世界族執行時：AI 對多重虛擬世界的非對偶、非對稱觀察與控制》

從單一：

W\rightarrow P

進一步轉向：

\boxed{ \mathfrak{W} = \{W_0,W_1,\ldots,W_n\}. }

並研究 world fork、nested simulation、asymmetric observation、asymmetric authority、non-invertible projection、world-family pruning／merge／branch，以及 AI 對多個 actual／simulated／counterfactual world 的並行觀察。

參考文獻

Kim, D., Kwon, J. I., Kim, Y., et al. (2026). AI-native robotic vision systems enabled by in-sensor computing. npj Unconventional Computing, 3, 2. DOI: 10.1038/s44335-025-00047-z.
Gopakumar, M., Lee, G.-Y., Choi, S., et al. (2024). Full-colour 3D holographic augmented-reality displays with metasurface waveguides. Nature, 629, 791–797. DOI: 10.1038/s41586-024-07386-0.
Tian, Z., Zhu, X., Surman, P. A., et al. (2025). An achromatic metasurface waveguide for augmented reality displays. Light: Science & Applications, 14, 94. DOI: 10.1038/s41377-025-01761-w.
Jang, C., Bang, K., Chae, M., et al. (2024). Waveguide holography for 3D augmented reality glasses. Nature Communications, 15, 66. DOI: 10.1038/s41467-023-44032-1.
Fleck, J. J., Zook, Z. A., Clark, J. P., et al. (2025). Wearable multi-sensory haptic devices. Nature Reviews Bioengineering, 3, 288–302. DOI: 10.1038/s44222-025-00274-w.
Chen, Z., Huang, Y., Zhang, B., et al. (2026). Deformable materials and structures in wearable haptic interfaces. Nature Reviews Materials, 11, 266–285. DOI: 10.1038/s41578-025-00877-0.
Parsnejad, S., Brascamp, J. W., Pelled, G., & Mason, A. J. (2026). A review of electrotactile stimulation for machine-to-human communication. IEEE Transactions on Biomedical Engineering. DOI: 10.1109/TBME.2026.3661416.
Neo.K (2026). 《載體投影與內視系列（B08）：超越人類眼睛——AI、XR 與新型認知載體》.
Neo.K (2026). HDUS Architecture Constitution v0.1.

Paper 01 狀態：COMPLETE v0.1
下一篇：Paper 02 — 模擬世界族執行時
Canonical source format： UTF-8 Markdown；數學 delimiter 僅使用 $...$ 與 $$...$$。

物理投影—觀察工程（Paper 01） — 從數學投影算子到感測、材料、物理場與閉環校正