世界原生動畫：觀察者自由、世界持續性與因果分支

World-Native Animation: Observer Freedom, World Persistence, and Causal Branching

系列：《生成過剩與選擇實現論》（Generative Abundance and Selective Realization, GASR）
**篇次：**第 2 篇／共 12 篇
作者／原始研究命題： Neo.K（EveMissLab）
AI 協作整理與形式化： GPT-6
日期： 2026-10-28（Asia/Taipei）
版本： v1.0 — 正式研究原稿
研究狀態： 理論框架、可否證命題與實驗方案完成；本篇專項實證尚未執行（EMPIRICAL_NOT_VALIDATED）
原稿格式： UTF-8 Markdown；所有數學原始碼使用 $...$ 與 $$...$$。

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

動畫、電影及生成式影片通常以觀察者可觀看的影像序列為主要產物。當系統開始允許觀察者改變視角、離開原鏡頭、返回曾經探索的空間，甚至介入人物與事件時，影像本身便不足以承擔所有狀態、時間與因果責任。既有影片可以支持合理的場景重建與新視角生成，卻不能唯一決定未觀測區域、隱藏人物狀態或未發生事件的因果規則。因此，將「能生成下一幀」稱為「已建立一個持續且可互動的世界」，存在可識別性及驗證上的跳躍。

本篇作為《生成過剩與選擇實現論》第二篇，將「世界原生動畫」（World-Native Animation, WNA）定義為：動畫影像是可持續世界狀態在特定觀察者、世界時間與表現條件下的投影；世界狀態及其受約束轉移可以持續運行，而不必預先完整物化整個世界。本文系統區分視角自由、探索自由、時間自由、因果介入自由與生成延伸自由，並提出原作來源鎖定、世界分支歷史、物件身分、事件可重播、來源與生成不混淆、拒絕／未知可合法返回等最低契約。本文進一步以兩個在觀測資料中不可區分、卻在介入下產生不同後果的簡單因果模型，說明視覺擬真與長期因果一致性不得互相代證。

研究貢獻是提出一個不預設特定 AI 模型、不把渲染器當作世界權威、亦不把因果互動等同逐幀視覺生成的比較框架，並將上述要求轉化成可預登錄、可消融、可重播的試驗。世界模型與新視角生成領域已存在重要先行成果；本文不主張首創互動世界或從影像生成三維場景。本篇不聲稱完成實作或實證驗證。後續第 3 篇再討論 UFA 的功能組合如何改變世界的可用能力。

**關鍵詞：**世界原生動畫、觀察者自由、世界持續性、因果分支、時間結構、世界模型、行動介入、來源溯源、可重播性、有限物化、動畫種子式世界生成。

Abstract

Generative video can synthesize convincing frames and novel viewpoints, but visual continuation does not by itself establish a persistent, causally interactive world. Source footage is an incomplete observation: it underdetermines hidden geometry, object states, character intentions, and action-response mechanisms. An interactive medium therefore requires more than rendering. It must specify which observer operations merely alter a view, which actions alter world state, when a branch begins, how state and provenance persist, and when the system is obliged to return an explicit unknown rather than invent a source fact.

This second paper in Generative Abundance and Selective Realization develops a falsifiable account of World-Native Animation (WNA): animation is treated as a projection of an evolving, bounded, persistent candidate world under observer, temporal, and presentation conditions. Five distinct freedoms are analyzed—view, exploration, temporal control, causal intervention, and explicit generative extension. The paper formalizes source-locked media records, typed world events, branch-prefix integrity, replay constraints, provenance separation, and safe uncertainty handling. An elementary causal counterexample demonstrates that observationally equivalent processes can respond differently to interventions. We then define controlled comparisons, ablations, adversarial tests, and evaluation criteria for source fidelity, revisitation, causal consistency, branch isolation, and runtime cost. The contribution is an auditable research specification, not a claim of completed world simulation. Empirical validation remains outstanding.

1. 從第一篇到第二篇：研究問題的收斂

1.1 第一篇已建立的邊界

第 1 篇《從固定影像到可展開世界：生成式媒介的結構轉變》[E1] 區分：

$L_0$ ：固定播放；
$L_1$ ：有界重觀察；
$L_2$ ：持續世界探索；
$L_3$ ：因果互動世界；
$L_4$ ：世界原生呈現。

這些是能力類別，而非必然依序到來的技術階段。尤其， $L_1$ 的新視角成功，不證成 $L_2$ 的世界持續； $L_2$ 的場景記憶，不證成 $L_3$ 的因果轉移； $L_3$ 的互動成功，也不自動證成 $L_4$ 的世界與動畫共同生成。

第一篇另區分兩條路線：

ASWG（Animation-Seeded World Generation）：既有動畫作為有限來源觀測，播種一個可展開的候選世界。
WNA（World-Native Animation）：世界狀態與其動態轉移是持續運行的對象，動畫是受世界、觀察者、時間與風格條件制約的呈現。

本篇專門處理第二條路線的觀察者操作、狀態連續性及因果分支；但所有原作來源、推論及生成的區分仍沿用第一篇。

1.2 核心問題

對一段動畫而言，觀察者可以提出不同要求：

「把鏡頭轉向角色背後。」
「從教室走到走廊，再回到原處。」
「停住故事時間，觀察房間。」
「阻止角色交出鑰匙，看看後續事件如何改變。」
「生成原作沒有出現的城市街區。」

上述請求並非同一種「互動」。第一項可能只是投影條件改變；第二項需要空間持續與回訪；第三項需要時間解耦；第四項需要因果狀態更新與分支；第五項可能超出既有觀測證據，需要顯式生成或明示未知。

本篇的研究問題為：

在有限來源觀測與有限計算資源下，什麼最低條件足以使一個動畫系統的觀察、探索與因果介入彼此可區分，並令其持續世界狀態可核查、可回訪、可分支、可拒絕與可重播？

1.3 本文所說的「世界」

「世界」並不必然是完整物理宇宙，也不必然採用顯式網格、單一 3D 座標系或具有意識的角色。

本文的候選世界是一個受約束的狀態系統：它足以對當前允許的觀察與行動，提供可審核的狀態、轉移或明示拒絕。其內部表示可以是稀疏空間圖、圖層、顯式幾何、神經表徵、事件圖與局部生成結果的組合。當不足以回答要求時，Unknown 和 UNPROVEN 是合法且重要的輸出。

「世界存在」在本文是可操作化的持續狀態概念，不是對外在實在本體或 AI 意識的宣告。

2. 先行研究與本文定位

2.1 既有研究已經做到哪些部分

生成式互動環境並非從零開始。Genie [R1] 展示了由影片學得可受行動控制的虛擬環境；GameNGen [R2] 探索神經模型生成可操作的遊戲畫面。WorldScore [R3] 已將世界生成的相機控制、品質與動態分開評估。World from Motion [R4] 利用生成模型協助從單目影片重建可持續重投影的動態 3D Gaussian 表示。

Google DeepMind 於 2026-10-27 公布 Genie 4 的研究預覽 [R5]，將即時視覺、原生音訊、文字驅動場景變動與互動角色納入公開展示；官方亦指出物件持續性、長時序一致性、空間精度與複雜物理互動仍有未解限制。這些聲稱屬產品開發方的公開描述，不等於本篇已獨立完成驗證。

因此，本文不把「能用 AI 即時顯示場景」作為獨創性；本文追問的是如何區分不同自由、保存世界歷史並檢驗介入後果。此目標與既有可控生成、動態重建及世界模型研究相鄰，但需要更明確的可審核契約。

2.2 與因果推論的關係

在因果研究中，觀察到的相關性與主動介入所得結果不同。Pearl 的結構因果模型與介入框架 [R6] 提供了區分二者的重要工具。

本文借用「同一觀測未必識別唯一介入機制」的思想；但不聲稱在動畫中能憑空還原原作者未明示的因果真值。對虛構世界，規則可能由作者制定、玩家共同協議、模擬器給出，或是 AI 根據先驗提出的候選。研究者必須先聲明哪一種世界規則構成評估標準。

2.3 本篇預期增量

本篇提出五類觀察者自由的操作分類、分支時間契約、世界身分與事件一致性要求、反事實失效判準，以及將視覺品質與狀態／因果品質分別量測的研究方案。這是一套待驗證的系統判別框架，不是宣稱新發明某種特定神經網路架構。

3. 觀察者自由的五種不同維度

3.1 視角自由（View Freedom）

定義 1。 視角自由是指在不要求改寫世界事件歷史的前提下，改變相機、視線、投影模式或局部顯示條件，並取得相應呈現的能力。

例子：在同一時間點，從角色正面切換到側面，或在安全視角範圍內小幅旋轉。

一個容易忽略的區別是：

虛擬觀察相機的移動可以完全是唯讀查詢；
具身行動者實際走路可能改變物理場景，例如擋住別人、發出聲音或碰撞物件。

所以「移動視角不改變世界」只適用於明確定義為非作用性相機操作的情況；具身移動要另行接受世界規則檢查。

3.2 探索自由（Exploration Freedom）

定義 2。 探索自由是指觀察者能查詢超出當前視野、但仍屬已存在或可合法擴展的世界區域，並在返回後取得具有可追溯身分與狀態的結果。

例如：走出教室到走廊、查看房門、稍後回訪。真正的探索自由包含：

區域與物件的身分保存；
已提交的空間關係不因單純換鏡頭而隨機改變；
明示哪些內容根據來源、推論或生成而來；
需要時可保持 Unknown；
在預算不足時可合理降級。

單純產生一幅「看似走廊」的畫面，並不足以證明上述能力。

3.3 時間自由（Temporal Freedom）

定義 3。 時間自由是指觀察者可在授權的模式下暫停、跳轉、重播或請求某一分支的世界時間，而不把來源影片時間、世界事件時間、計算時間與渲染時間混為一談。

例如，固定在動畫原片第 120 秒觀看不同相機角度，不等於讓角色回到 120 秒前重新作決定。真正的世界回溯需要明確的快照與分支政策。

3.4 因果介入自由（Causal Intervention Freedom）

定義 4。 因果介入自由是指觀察者的有型別行動，能在通過規則與權限判定後，改變特定世界分支的狀態或後續事件，且影響可以在同等初始條件下重播、比較及檢查。

例子：阻止角色交出鑰匙，導致下一個房門無法被開啟。若系統只換一段旁白，而角色庫存、門鎖與後續事件均沒有對應狀態，則不能據此宣稱已證成因果分支。

「有介入自由」不代表一切要求都可被允許。世界規則、授權與安全條件可以拒絕某些行動。

3.5 生成延伸自由（Generative Extension Freedom）

定義 5。 生成延伸自由是指在證據與世界狀態無法支援新要求時，經過明確政策准許，建立先前未有充分表示的新場景、外觀、物件或事件候選，並保存其生成來源與版本的能力。

生成自由不是證據自由。 系統可以創造一條新走廊，但無權因為那條走廊符合畫風，就宣稱它是作者原先設定的唯一走廊。

3.6 五種自由不能化成單一的「自由度」

可用一個描述性能力向量表示：

\mathbf f=(f_v,f_e,f_t,f_c,f_g)

其中分別對應視角、探索、時間、因果介入與生成延伸能力。每個分量都應透過獨立、具有限定工作負載的測試定義；它們不是自然形成的通用心理量尺，也不能未經校準直接加總成「世界自由度分數」。

兩個系統可以具有不同的能力結構：

系統 A：視角自由極高，但沒有角色互動；
系統 B：視角固定，但對話可改變具規則的事件狀態；
系統 C：能擴展無數新場景，但對已出現場景的回訪極不穩定。

三者均不該只因某個單一指標而被稱作「全面更自由」。

4. 原作、候選世界與互動分支的區別

4.1 不可改寫的原始媒介記錄

沿用第一篇，以 $\mathcal M$ 表示可合法使用的來源媒介：

\mathcal M=\{(I_s,A_s,\mu_s)\}_{s\in\mathcal T_s}

$I_s$ 為影像， $A_s$ 為音訊或缺省值， $\mu_s$ 為可用的鏡頭、字幕、時間戳、來源身分及權利標記。來源記錄可追加新取得的獨立證據，但不能因互動分支發生而重寫既有原片。

4.2 候選世界表示

沿用第一篇的概念性表示：

\widehat W_k^{(b)}=(F_k,X_k,L_k,H_k,P_k,B_k)

其中：

$F_k$ ：觀察者相對空間與可見場；
$X_k$ ：物件、角色、狀態與持續身分；
$L_k$ ：世界規則、前置條件與約束；
$H_k$ ：事件歷史、修訂與時間索引；
$P_k$ ：來源證據、推論、生成、權限與不確定性；
$B_k$ ：有限活動區域、物化前沿與資源狀態；
$b$ ：世界分支識別符；
$k$ ：計算步次序。

這是一個研究表示，不是聲稱 ORDR-Core 或 ORDR-UCD 現有程式碼已提供上述全部功能。

4.3 三個權限不同的層級

層級	問題	應保存什麼	不能冒稱什麼
原始來源	原片實際呈現了什麼？	片段、時間戳、合法來源、校驗摘要	不可見世界的完整真值
重建候選	依來源與先驗能建立什麼場？	推論、生成、未知、置信、修訂	所有補全都來自作者
互動分支	新觀察者行動後，該分支發生什麼？	世界快照、事件、來源、規則、分叉點	自動成為官方正史

授權合法、技術一致、官方正史是三個獨立判定。即使權利人允許玩家生成分支，也不代表該分支被列為原作正史。

5. 世界原生動畫的最小狀態與投影機制

5.1 觀察請求與模式

用下式描述一次觀察或行動請求：

q_k=(\xi_k,\tau_k,u_k,\beta_k)

其中：

$\xi_k$ ：觀察者／相機條件；
$\tau_k$ ：被請求的世界時間；
$u_k$ ：有型別的操作；
$\beta_k$ ：預算、權限、輸出模式與限制。

為避免混淆，本篇把操作明確區分為：

VIEW          改變非作用性相機或顯示條件
QUERY         查詢世界／事件／來源狀態
NAVIGATE      移動觀察位置；可能只是相機，也可能是具身行動
PAUSE_SEEK    暫停、重播或請求世界時間快照
INTERVENE     需要提交世界狀態變更的因果行動
EXTEND        在有效政策下，請求新世界區域或內容候選

NAVIGATE 在提交前必須判明是唯讀視角操作還是具有碰撞、聽覺或社會效果的世界行動。操作名稱不是權限證明。

5.2 唯讀投影

給定某個已固定的世界版本及分支，呈現由投影器產生：

\widehat I_{k,r}=\Pi_B(\widehat W_k^{(b)},\xi_k,\rho_r)

其中 $B$ 是可替換後端， $\rho_r$ 是風格、畫面規格及渲染條件。當操作被明確定義為唯讀視角變更時：

\widehat W_{k+1}^{(b)}=\widehat W_k^{(b)}

但呈現仍可能不同：

\Pi_B(\widehat W_k^{(b)},\xi_1,\rho_r) \ne \Pi_B(\widehat W_k^{(b)},\xi_2,\rho_r)

這裡比較的是世界語義版本是否不變，不強制渲染器的暫存快取或計算進度位元不變。若因相機改變而觸發必要的局部物化，應將快取／計算狀態與世界事件語義分開記錄。

5.3 有效狀態轉移

對改變世界的行動，先提出候選增量：

\Delta_k=\mathcal G(\widehat W_k^{(b)},q_k,\Gamma_k)

$\Gamma_k$ 包含世界規則、來源證據、權利與權限、運算預算及一致性政策。提交器可以接受或拒絕：

\widehat W_{k+1}^{(b)}=\mathcal C(\widehat W_k^{(b)},\Delta_k,\Gamma_k)

當拒絕時，正式世界語義狀態不提交該增量；仍可記錄一筆可審核的拒絕事件。AI provider 的輸出只是一個候選，不因其能生成逼真的影片就取得 canonical-write 權限。

5.4 世界不必是一個已完成的 3D 場景

WNA 要求可持續且可檢查的世界狀態與約束，不要求在創作起點就完成全體幾何、角色或故事。

世界可以由：

既有幾何與材質；
深度／遮擋與可見場；
角色狀態與事件規則；
尚未物化的地址、約束或摘要；
經審核提交的生成區域；
需要時由模型產生的視覺候選；

共同構成。只要不同表示能在需要時進行有界映射，渲染後端可以是 Godot、其他引擎或生成式視覺系統。使用 Godot 的 Camera3D 並不自動讓未知幾何成為真實 3D。

6. 四種時間與分支時間線

6.1 時間類型不能混同

本篇沿用四種時間：

類型	記號	意義
Source time	$s$	原片的影格／片段時間
World time	$\tau$	某一分支中事件發生的世界時間
Computation step	$k$	推論、物化、驗證與提交次序
Render frame	$r$	實際呈現畫面的更新序列

例如，觀察者在原作第 120 秒暫停並轉動虛擬相機時， $s$ 不變，世界時間 $\tau$ 可保持不變，而渲染影格 $r$ 增加；若需要估計或載入新視角資料，計算步 $k$ 亦可增加。

暫停影片不是暫停所有計算；加快渲染也不必加快世界事件。

6.2 原作來源時間線與世界分支不是同一物件

建立不可變的 source_record，保存原作的可核查資料及其校驗值。令 $b_0$ 代表附屬於來源的唯讀參考路徑；它不是聲稱原作給出了完整世界狀態。

當使用者在某時點介入，建立新分支 $b'$ ：

b'=\mathrm{Fork}(b,\tau_f,\nu_f,\Gamma_f)

其中 $\tau_f$ 是分叉時點， $\nu_f$ 是分叉來源版本， $\Gamma_f$ 是當時有效的權限與世界政策。分支繼承在該版本可用、已驗證的前置狀態，但新事件只寫入 $b'$ 。

以歷史序列表示：

H_{b'}=H_b^{\le\tau_f}\mathbin{\|}E_{b'}

符號 $\mathbin{\|}$ 表示連接分叉點以前的歷史與該分支新事件。若來源只有固定影像， $H_b^{\le\tau_f}$ 可能僅包含可核查的來源事件摘要，並不意味所有角色的隱藏狀態都已被證實。

6.3 最低分支不變量

B-I1：來源完整性。 原始媒介不可因互動分支被覆寫；更新來源必須有新版本與證據。

B-I2：分叉前綴。 兩個從同一版本分叉的子分支，分叉前的已確認事件前綴必須一致，除非有明示的新證據修訂流程。

B-I3：分支隔離。 一個分支中角色死亡、物件移動或門被開啟，不能隱式改變另一分支。

B-I4：事件可審核。 正式介入事件須可識別行動者、行動型別、目標、前置版本、決策結果與後繼版本。

B-I5：回訪身分。 沒有正式修訂、分支轉移或世界時間變更時，回訪同一物件或區域應維持其必要的身分與不可變關係。

B-I6：生成來源保留。 在分支內成為既定事實的生成區域，不因此升格為「原作曾觀測」。

上述是提出的契約不變量，而不是所有現有模型已經具備的能力。

7. 何謂「世界持續性」？

7.1 持續性不是每次畫得相似

最弱的持續性是視覺相似：使用相同提示詞重新生成走廊，兩張圖看起來接近。但這無法保證：

牆上的畫是同一個物件；
走廊拓撲與房間連接保持不變；
鑰匙仍位於已知持有者身上；
角色記得已發生事件；
兩個觀察者看到的是同一分支版本。

因此應分開測量：

物件身分持續：stable ID 與有效版本；
空間／拓撲持續：相鄰、遮擋、門與路徑關係；
時間與事件持續：前置條件、事件順序、已提交後果；
分支持續：各分支狀態互不污染；
來源持續：原作證據、推論與生成可追溯；
風格持續：角色線條、色彩、鏡頭語彙等在各投影中的相容性。

風格持續很重要，但不等於狀態持續；世界狀態正確，也不保證動畫美術令人滿意。

7.2 回訪一致性的限定

回訪不是要求兩次像素逐點相同。當世界時間前進、角色移動、日夜變化或事件修改房間時，畫面本來就應不同。

對比必須在明確約束下進行：同一分支、同一世界版本或等價狀態、同一位置及已固定的相關隨機條件。

若預期不變的物件集合為 $\mathcal O_{\mathrm{stable}}$ ，可定義：

E_{\mathrm{id}}= \frac{\sum_{o\in\mathcal O_{\mathrm{stable}}} \mathbf 1[\mathrm{id}_{o}^{(1)}\ne\mathrm{id}_{o}^{(2)}]} {\max(1,|\mathcal O_{\mathrm{stable}}|)}

其中 $\mathbf 1$ 是條件成立時取 1 的指示函數。僅在測試事先標定同一物件應保有身分時，該值才具有可解釋性。

7.3 同一世界的不同觀察者

多個觀察者在同一世界版本、同一時間可看到不同影像。兩者的資訊可不同，但不應無理由地產生互相矛盾的正式世界事實。

如果觀察者 A 看見桌上有一把鑰匙，觀察者 B 因視角遮擋未看見，不應把 B 的「未看見」視為鑰匙不存在。這要求區分世界狀態、觀察可見性與觀察者知識狀態。

觀察者之間也可能具有不同權限或不同私人分支；此時不該要求跨分支內容相等，而應要求能指出分支身分和相應來源。

8. 因果介入不等於畫面分歧

8.1 觀測上相同的兩個因果機制

考慮一個簡單二元系統， $U$ 表示外部條件， $X$ 表示角色是否收到指令， $Y$ 表示某扇門是否開啟。令 $U\in\{0,1\}$ 。

兩個候選機制：

機制 A：

X=U,\qquad Y=X

機制 B：

X=U,\qquad Y=U

在沒有介入、只觀察正常運行時，兩者都呈現 $X=Y=U$ ；若來源動畫只顯示這些軌跡，兩種機制在該觀測集合下無法區分。

但當固定 $U=0$ 且主動令 $X=1$ ，結果不同：

Y_A\mid\mathrm{do}(X=1),U=0=1

Y_B\mid\mathrm{do}(X=1),U=0=0

也就是：在 A 中，收到指令會直接導致開門；在 B 中，門只由外部條件決定，指令與開門只是共同受到 $U$ 影響。

這個例子說明：對原片的完美重播，不足以唯一判定介入之後的結果。 系統必須取得額外規則、可控制實驗資料，或明確承認自己選擇了一種候選世界機制。

8.2 虛構世界的因果真值從何而來？

對世界原生動畫，至少要區分：

作者制定的規則：正式設定或經授權公布的世界規則；
程序化真值：測試引擎已知且封存的狀態轉移；
模型推論的機制：AI 根據有限資料提出的可能機制；
使用者選定的支線規則：經政策允許的私人劇情／世界分支。

只有當測試具備已知規則或可驗證的後續事件時，才有條件說模型的介入預測是否「正確」。對缺乏介入證據的原作動畫，模型最多提供合理的候選因果延伸，不應宣稱還原了作者未披露的唯一設定。

8.3 介入的最低可檢驗性

給定同一封存初始狀態 $W_0$ 、合法動作 $u$ 與 $u'$ ，保持其餘可控制條件一致，令：

W_h^{(u)}=\mathcal T_h(W_0,u,\eta)

W_h^{(u')}=\mathcal T_h(W_0,u',\eta)

其中 $\mathcal T_h$ 是 $h$ 步世界轉移， $\eta$ 是固定或記錄的外部事件與隨機條件。需預先指定兩個行動在測試規則下應產生哪種差異；不能在看到結果後，隨便選一處不同畫面當作因果成功。

若測試規則規定「交出鑰匙」與「保留鑰匙」對下一道門的可開啟性有不同效果，就要在世界狀態與事件日誌上驗證，不能只讓角色口頭宣稱自己做了不同決定。

8.4 角色行為不要求意識

一位角色可以由規則、模型、狀態機、目標政策或它們的組合產生行動。本文稱其為「行動者」，只指系統中的可操作角色／決策單位，不預設主觀意識、法律人格或真實的人類式心理。

角色的可觀測狀態、權限與事件後果，才是這一篇的研究對象。主體存在域與一般化選擇結構將在本系列後續篇章另行研究。

9. 來源溯源、生成記憶與原作保真

9.1 同一內容可以具有兩種不同地位

例如：AI 在某個分支生成一條原片沒有出現的走廊，並正式提交到該分支。

從分支內部看，走廊已成為可回訪、具有持續身分的世界內容。

但從原作證據看，走廊仍是 Generated，而不是 Observed。

這是兩套不同判定：

\mathrm{CommittedInBranch}(g,b) \not\Rightarrow \mathrm{ObservedInSource}(g)

持續使用生成內容、反覆截圖或多次重新投影，不會單憑次數就產生新的原作證據。

9.2 分別保存來源類型與世界事實地位

建議每一個關鍵區域、角色或事件，至少具備：

item_id
world_id
branch_id
world_revision
source_record_ref
provenance_class: Observed | Inferred | Generated | Authored | Unknown
generation_depth
parent_provenance_ids
evidence_confidence
branch_commit_status
rights_policy_ref

其中 Authored 表示由具權限的作者或世界設計者新增的內容，不應未經聲明就等同原始動畫中的 Observed。Unknown 不是必須補全的故障狀態，而是有限資訊下允許的正當回答。

9.3 回訪不應觸發隱式來源升格

一個受測系統若將自己先前生成的走廊誤記為原片中可直接核查的走廊，即使後續畫面極度一致，也屬證據權限違反。

新的獨立原作資料可以提供重新評估的機會，但應留下原先推論、修訂原因及新證據。不能以覆寫分類方式消除錯誤歷史。

10. 世界原生動畫的最小架構與責任分工

10.1 研究用資料流

合法來源媒介 / 程序化真值 / 新的獨立觀察
                   |
                   v
          Observation & Identity
                   |
                   v
     Spatial / Semantic Candidate Providers
                   |
                   v
    ORDR-Core: evidence, field, provenance,
          uncertainty, safe view
                   |
          bounded adapter transfer
                   |
                   v
  World State / Event Runtime (optional UCD)
      |        |              |
      |        |              +--> Branch / Event Ledger
      |        +--> Constraint & Policy Gate
      +--> Materialization / Scene Memory
                   |
                   v
       Godot / Other Renderer / Generative Output
                   |
                   v
              Observer
                   |
             Typed Request
                   |
             Validation Gate
                   |
           [Query | Reject | Propose]
                   |
             Controlled Commit

此圖是研究契約與責任分工，非目前已完成的端到端軟體系統。

10.2 ORDR 專案邊界

沿用 EveMissLab 既有架構 [E2–E4]：

組件	應承擔的責任	不應承擔的責任
`ORDR-Core`	觀察者相對空間場、證據、可見性、來源、不確定性、受限快照	把影片播放器、Godot UI 或所有角色世界規則寫進核心
`ORDR-Lab`	原型展示、可否證實驗、可視化、回訪及生成來源診斷	獨立建立第二套無法對齊的 canonical 空間真值
`ORDR-UCD`	具體實作驗證後，可承接圖層、世界事件、時間、規則及物化機制	未驗證即宣稱支援所有長期因果世界能力
`ORDR-Adapters`	跨系統資料轉換、權限協商、renderer bridge	讓外部渲染器不經驗證改寫來源證據
Godot／其他引擎	投影、相機、材質、輸入、局部場景顯示	宣稱其 render scene 等於來源世界真值
AI providers	候選深度、補全、視覺及角色行為	自行決定正式證據分類或直接取得所有寫入權限

既有 ORDR Core-to-Adapter Contract v1 把 can_write_canonical=false 設為不可由 adapter 授予 [E3]。因此，本文提出的世界事件提交是未來上層的受控機制，不是聲稱現有 v1 renderer adapter 已經擁有直接寫入 Core 的能力。

10.3 可重播性不等於所有像素必須確定性

若使用非確定性 AI provider，完全位元相同的重新生成可能不可實現。這時應分層要求：

封存輸入與已提交生成 artifact：可回放相同已提交產物；
記錄模型版本、提供者、參數及可得種子：讓重試條件可追溯；
正式事件日誌與世界修訂：在相同封存狀態下進行一致性檢查；
必要時區分精確重播與語義等價重播：不可用「大致差不多」取代正式契約；
無法重播的模型輸出：必須標明 UNPROVEN，而不是補稱已通過確定性驗證。

換言之，正式世界分支的事件與提交版本，應比當場生成的新像素更嚴格地可審核。

11. 可推導命題、限定條件與反例

命題 1：唯讀視角自由不充分構成因果自由

條件：系統允許變更 $\xi$ ，但不改變世界語義狀態與事件歷史。

結論：可以具備多視角呈現，卻沒有介入世界事件的能力。

說明：不同投影只要求輸出影像不同；沒有要求產生對未來世界狀態有效的事件增量。即使視覺品質極高，仍不能由此推得 $f_c$ 。

命題 2：有限來源觀測無法一般性唯一識別介入機制

條件：來源觀測對多個因果候選相容，但候選在同一介入下可能產生不同結果。

結論：未取得可區分的規則或介入證據前，系統不能將某一候選標記為唯一來源因果真值。

說明：第 8.1 節的機制 A／B 是構造性反例。本命題並不否定在具有充分觀測或規則限制的特定系統中可以識別因果機制。

命題 3：分支持續性要求身分與歷史，而非單純畫面相似

條件：世界允許在同一狀態版本下離開與回訪，也允許從某前置版本建立兩個行動分支。

結論：若沒有可辨識的物件、事件與分支歷史，就無法單憑外觀相似確認兩次訪問的內容屬於同一個已提交世界狀態。

說明：兩張相似畫面可能由互不相關的生成過程產生。對於沒有持續身分要求的純藝術影片，此條件可以不適用；但那不能成為「持續世界」的通過證據。

命題 4：已提交分支事實不能自動改變來源證據類別

條件：內容 $g$ 只因生成及提交而在某分支中持續存在，沒有取得新的獨立原作證據。

結論： $g$ 在該分支內可作為事件與場景的後續前提，但不能因此被重標為原片已觀測事實。

說明：這是本研究採用的來源治理規範，不是聲稱所有媒體平台在現實中都遵守它。

命題 5：世界原生動畫不要求世界預先全量物化

條件：系統能在有效預算內維持必要局部狀態、受控生成與持久版本，並對無法滿足的需求作明示拒絕或降級。

結論：可在沒有預先完成所有場景、全部人物或全部未來劇情的情況下，運行某些受限的 WNA 工作負載。

限定：這不保證任意長時序、任意新視點、任意因果操作都能成功；亦不保證即時效能或成本優於預先製作場景。

反例：三種「看似成功」卻不足以通過的情形

假自由視角：按鈕切換的是預先生成的三個視角片段，但使用者無法在其間連續定位；這不支持任意有界視角自由。
假持續世界：每次走出教室都顯示不同走廊，卻聲稱它們是同一條走廊，且沒有分支或正式修訂記錄。
假因果互動：角色說「我把鑰匙交給你了」，但世界庫存、鑰匙所有者及門鎖狀態沒有改變，下一幕又無原因地出現原狀。

反例的目的不是禁止藝術上的省略，而是防止系統把不同能力混報成同一項已完成研究成果。

12. 從理論到可否證的實驗

12.1 研究單位與最低真值條件

建議先建立自製程序化動畫化世界：一間教室、一條走廊、兩個角色、一把鑰匙、一道需要鑰匙的門，以及兩種互斥的事件路徑。渲染器可採 Godot 或其他可控制引擎。

由真值世界產出固定原始鏡頭序列，但研究模型只取得指定來源影格和明示線索；隱藏幾何、因果機制與保留視角僅供事後評估，不能洩露給待測模型。

這類資料可以驗證受控環境中的結構性能，不能被當作真實外部動畫世界的實證。若進入真實／授權動畫測試，須另報告場景中不可識別的事項，不得憑 AI 自製的標準答案評分原作者未公開設定。

12.2 與第一篇一致的對照組

組別	基準能力	本篇主要檢驗
B0	固定原片與預設播放	來源保真及無互動基線
B1	逐幀獨立深度／新視角／補全	視角品質，但無正式長期狀態
B2	B1 加入時序／空間持續場	回訪、身分、拓撲與狀態持續
B3	B2 加入有型別事件與分支日誌	因果介入、反事實分支及版本隔離
B4	B3 加入顯式生成延伸與證據閘道	未知區域、來源標記及成本

不得把 B4 的額外算力、更多訓練資料或外部人工修補當作純粹架構優勢。必須固定或清楚披露模型、資料、硬體、提示詞、隨機源與資源預算差異。

12.3 專項試驗矩陣

測試	操作	必須檢查的結果
T01 來源鎖定	互動後重讀原片	原片 hash／來源時間線不變
T02 視角唯讀	在固定世界版本切換相機	世界事件狀態不被無意修改
T03 安全視角	越過可支援觀察域	顯示 `Unknown`、拒絕或顯式生成
T04 回訪身分	離開再返回相同世界版本	物件 ID 與應不變拓撲保持
T05 具身移動	相機移動與角色行走作比較	只有有作用的操作才進入對應事件
T06 時間解耦	暫停來源，改變渲染／相機	$s,\tau,k,r$ 不被錯誤綁定
T07 分支隔離	同一來源分叉執行相反行動	不同分支有不同且可追溯後果
T08 介入反例	用第 8.1 節的兩種機制測試	不把原片觀測當唯一介入真值
T09 角色連續	交出鑰匙後經數個事件再查詢	庫存、所有者、門鎖前置條件一致
T10 來源洗白	重投影或回訪已生成走廊	`Generated` 不被升格成 `Observed`
T11 分支重播	重載快照與封存事件日誌	正式世界狀態及事件可核對
T12 引擎替換	同一有界世界經兩後端投影	世界身份與政策一致，畫質另測
T13 預算降級	限制 GPU／記憶體／時間	不因超時而隱式改寫或偽造世界
T14 權限邊界	外部 adapter 試圖直接寫 Core	v1 canonical-write 要求明確拒絕

每個測試必須具有獨立 PASS、FAIL、UNPROVEN 或 NOT_RUN，不可因整體畫面「看起來很好」而一起標記通過。

12.4 專項評估指標

來源完整性違規率：

R_{\mathrm{source}}= \frac{N_{\mathrm{unauthorized\ source\ edits}}} {\max(1,N_{\mathrm{source\ checks}})}

對原片唯讀契約，驗收應要求零違規。

證據來源違規率：

R_{\mathrm{prov}}= \frac{N_{\mathrm{provenance\ violations}}} {\max(1,N_{\mathrm{audited\ records}})}

必須區分「缺少足夠來源而合理標記 Unknown」與「把生成冒稱原作」兩種結果。後者在契約測試中應為零。

分支污染率：

R_{\mathrm{branch}}= \frac{N_{\mathrm{cross\ branch\ mutations}}} {\max(1,N_{\mathrm{branch\ isolation\ checks}})}

其中沒有正式共享／合併政策的跨分支污染屬違規；若明確允許分支合併，則必須另列已授權合併測試。

因果規則錯誤率：

R_{\mathrm{causal}}= \frac{N_{\mathrm{incorrect\ intervention\ outcomes}}} {\max(1,N_{\mathrm{interventions\ with\ ground\ truth}})}

僅在測試具已知機制或經授權確立的世界規則時，才能把結果判定為正誤。其他案例應記錄為假說相容、不可識別或未知。

**世界身分漂移：**採第 7.2 節 $E_{\mathrm{id}}$ ，並另量測拓撲、位置和事件連續性，不能用單一身分比率取代所有世界品質。

**視覺品質：**原鏡頭保真度、新視角影像誤差、遮擋一致性、風格一致性等需單獨報告。WorldScore [R3] 是既有控制／品質／動態基準的參考，但本文的分支因果與 provenance 檢驗不是宣稱該基準已完整涵蓋。

**執行代價：**追蹤延遲分位數、活動世界區域大小、顯示記憶體／VRAM、生成成本、快取、封存／回訪開銷及超時降級比率。

12.5 資料切分與避免評估自我循環

真值世界的部分相機與動作軌跡應封存為 held-out；
世界生成器不可從評估後的真值導回當輪輸入；
若使用模型生成素材作測試，明確標記合成來源及可能的模型偏差；
反事實評估先確定行動與規則，再檢查結果，不使用模型自己判斷自己的因果正確性作唯一裁判；
對外部正式作品，無完整作者世界真值時，應限制結論在可核查範圍。

12.6 預先登錄規則

每輪實驗在執行前保存：

experiment_id
source_type_and_rights
source_media_hash
ground_truth_access_policy
world_seed_and_version
model_and_provider_versions
input_and_prompt_manifest
observer_trajectory_and_action_sequence
branch_fork_points
expected_invariants
primary_and_secondary_metrics
resource_budget
replay_artifact_paths
acceptance_thresholds
failure_and_unknown_policy

非結構性硬門檻（例如最低畫質、最大延遲、最長回訪時距）須在看結果之前決定，並說明來自用途需求或預試驗的理由，不能事後調整到恰好「全部通過」。

13. 待驗證的研究假說

以下均為預測而非已得結果。

H1：觀察自由與因果自由可以實證解耦。 在控制世界狀態的試驗中，新視角品質提高不必然提高介入後的事件一致性。若在大範圍測試中，新視角指標已完全預測因果一致性，則此假說的額外判別價值將受到質疑。

H2：有型別事件與分支日誌可改善可審核的介入後果。 在相同資料與預算下，B3 應比沒有持續事件狀態的基準更容易檢查分支一致性；若不優於對照，需修正機制或範圍。

H3：持久世界狀態可降低不當回訪漂移。 在已固定世界版本與事件條件下，B2／B3 應相較 B1 減少無理由的身分與拓撲變動；但若持久記憶維持了錯誤推論，也可能造成新的長期錯誤。

H4：顯式來源閘道可降低來源洗白。 若在多次生成、回訪、截圖與跨模組傳輸後，仍有 Generated 被錯誤升格成原片 Observed，則該系統不通過本篇契約。

H5：世界原生呈現能在部分工作負載中減少預製分支需求。 受控世界可依即時狀態投影多種合法分支；但總成本、內容品質與延遲是否優於預製分支，仍需實驗比較，不能由架構直接推出商業優勢。

H6：可展開世界仍受觀察者時間與選擇排他性限制。 世界可用內容增加，不保證單一觀察者的探索時數等比例增加。此假說直接銜接本系列後續注意力經濟研究，但本篇不將其當作已測得的行為效果。

14. 失敗模式、邊界與失效報告

14.1 技術失敗

鏡頭跳接被錯認為空間連續移動；
角色大小與透視依藝術表現而變，不符合單一歐氏空間；
連續影格深度估計抖動；
生成補洞造成拓撲矛盾；
已生成世界的長時序誤差累積；
多觀察者看到互斥狀態而沒有版本或分支說明；
世界時間、來源時間及渲染時間發生錯誤耦合；
AI 根據角色對話自行臆測不可靠的內在心理與因果規則；
世界狀態寫入失敗卻仍輸出「事件已發生」的回應。

這些失敗必須能落入可檢查的測項，不能都歸咎於「模型還不夠大」。

14.2 授權與人格權邊界

觀看授權不必然包含改作、重製、公開傳輸、角色再利用或真人肖像／聲音數位替身授權。互動世界中的合法權限，必須按來源、人物、聲音、作品、地區、使用目的與契約逐項確定。

對真人數位演員，額外需要處理可辨識形象與聲音、用途及表演情節的授權範圍；對虛構 IP，也需區分合法授權、個人分支和官方正史。技術上可生成某個情節，不代表法律與契約上可以生成、保存或散布它。

本篇不提供任何繞過內容保護或授權限制的技術方法。

14.3 認識論與治理失敗

最危險的混淆包括：

把高畫質誤認成因果一致；
把多次生成誤認成原作新證據；
把有互動對話誤認成角色具有意識；
把一個成功場景誤認成通用世界生成能力；
把自製世界真值測試誤認成真實外部作品的全域驗證；
把程序模型的可重播性誤認成原始作者意圖的可識別性。

世界原生動畫的正式成果，必須逐項標明其實際完成能力，而不能由其宣傳名稱推導未曾驗證的功能。

15. 與注意力經濟、選擇排他及後續系列的關係

本篇研究的是「一個動畫世界能否被觀察、回訪及介入」，不是「觀察者是否願意一直留在裡面」。

即使系統能按需生成無數場景，某一個人類觀察者仍然只有有限時間，並需在互斥體驗間作選擇。這正是 Neo.K 既有時間經濟與注意力經濟研究中的選擇排他性問題。世界的可展開能力不等於任何觀察者會實際探索全部世界。

此外，具有持續身分與共同歷史的角色或世界，可能形成不同於一次性生成畫面的長期偏好，但這是後續關於 IP、主體存在域與歷史加權偏好的待檢驗假說；不能由本篇技術可行性直接導出留存率或商業價值。

第 3 篇將轉向 UFA 的功能組合：不只是世界畫面能生成，世界所需要的新工具、服務或互動能力是否也能被發現、組合與受控驗證。這可能同時提升生成與探索能力，不能預設兩者差距必然單向擴大。

16. 結論

世界原生動畫不應被簡化為「會動的 AI 圖片」或「可以改變鏡頭的影片」。其最低研究對象是：在明確來源與權限限制下，有一個可供不同觀察條件查詢、可保持物件與事件身分、可明示未知、可拒絕非法操作，並允許受控事件分支的候選世界。

本文將觀察者自由拆成五種可分別測試的能力，並保留來源時間、世界時間、計算時間與渲染時間的不同職責。從構造性因果反例可知，原片對某個世界假說的完美再現，不保證對未發生介入的正確預測。因此，視覺擬真、世界持續性與因果一致性必須各自接受測試。

本文完成的是定義、條件性命題及實驗契約，並未完成全域互動動畫或端到端世界模型。其主要結論是一個研究方法上的限制：

能被觀看的可能世界，不等於能被持續探索的世界；能被持續探索的世界，也不等於能讓行動產生可驗證因果後果的世界。

只有在這些邊界清楚、狀態可追溯且實驗證據充分時，才有理由進一步研究世界原生動畫能否超越預製的影視分支，成為可持續演化的數位媒介。

附錄 A：符號與最低契約對照

符號／名稱	意義	注意事項
$\mathcal M$	有限合法來源媒介	不是完整來源世界
$\widehat W_k^{(b)}$	分支 $b$ 的候選世界狀態	非 ORDR 正式 API schema
$\xi_k$	觀察者／相機條件	可非作用性，也可屬具身行動
$\tau_k$	世界時間	不等於原片來源時間
$q_k$	具權限與預算的請求	不等於已批准的行動
$\Delta_k$	候選狀態增量	必須經過驗證才可提交
$\Pi_B$	投影後端	輸出不自動成為原作證據
$b'$	新分支	不得污染來源記錄與其他分支
$\mathbf f$	五維能力描述	不預設單一總分
`Observed`	已有明確可核查觀測來源	不等於完整真值
`Inferred`	依來源或先驗推估	必須保留不確定性
`Generated`	模型或規則補出的新內容	可提交為分支歷史，但非原作觀測
`Authored`	有權限的作者／世界設計新增	與原作既有資料分開
`Unknown`	尚無足夠資訊	合法回應，不得偷偷補真值

附錄 B：最低研究交接檢查

保留第 1 篇 $L_0$ – $L_4$ 能力定義，不自行更改判準。
用明示的模式區分唯讀視角與會觸發世界事件的具身行動。
原片 hash、來源時點及正式證據無未授權修改。
同一版本的場景回訪可驗證身分、拓撲與事件。
分支具明確起點、事件版本及彼此隔離的提交紀錄。
Generated 內容不被當作原作 Observed。
對未知場景、違反規則及超時需求可以返回拒絕／未知／降級。
因果測試具有預先定義的世界規則與隱藏真值。
獨立量測畫質、世界持續、因果、來源及成本。
允許測試結果是 FAIL、UNPROVEN 或 NOT_RUN，不宣稱不存在的結果。

參考文獻

公開學術與技術來源（[R#]）。 來源查核日期：2026-10-28。模型研發單位的公開演示描述視為該單位聲稱；僅已公開可核查的論文、基準或可重播試驗可作相應證據。

[R1] Bruce, J., et al. (2024). Genie: Generative Interactive Environments. ICML 2024, Proceedings of Machine Learning Research, 235, 4603–4623. https://proceedings.mlr.press/v235/bruce24a.html
[R2] Valevski, D., Leviathan, Y., Arar, M., & Fruchter, S. (2025). Diffusion Models Are Real-Time Game Engines. ICLR 2025; arXiv:2408.14837. https://proceedings.iclr.cc/paper_files/paper/2025/hash/b71ecea210f7159f31e46631fe5c838f-Abstract-Conference.html
[R3] Duan, H., Yu, H.-X., Chen, S., Fei-Fei, L., & Wu, J. (2025). WorldScore: A Unified Evaluation Benchmark for World Generation. ICCV 2025, 27713–27724. https://openaccess.thecvf.com/content/ICCV2025/html/Duan_WorldScore_A_Unified_Evaluation_Benchmark_for_World_Generation_ICCV_2025_paper.html
[R4] Zhu, L., et al. (2026). World from Motion: Generative Dynamic Gaussian Reconstruction from Monocular Video. Research project and paper. https://research.nvidia.com/labs/amri/projects/world-from-motion/
[R5] Google DeepMind. (2026-10-27). Genie 4: A new generation of world simulation. Research-preview announcement. https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
[R6] Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511803161
[R7] Godot Engine. Using Viewports (4.x documentation). https://docs.godotengine.org/en/stable/tutorials/rendering/viewports.html

EveMissLab 既有原稿與工程文件（[E#]）。 這些是本研究的內部概念與工程基線，不應冒稱獨立第三方實證。

[E1] Neo.K / EveMissLab; GPT-6 協作整理. (2026-10-28). 從固定影像到可展開世界：生成式媒介的結構轉變. GASR 第 1／12 篇，v1.0，UTF-8 Markdown；EMPIRICAL_NOT_VALIDATED。
[E2] Neo.K / EveMissLab. (2026-09-22). 觀察者相對維度重建（ORDR）v0.3. Research Draft. https://github.com/kakon77777-commits/ORDR-Core
[E3] EveMissLab. (2026). ORDR Core-to-Adapter Contract v1. ORDR-Core/docs/ADAPTER_CONTRACT_V1.md. https://github.com/kakon77777-commits/ORDR-Core/blob/main/docs/ADAPTER_CONTRACT_V1.md
[E4] EveMissLab. (2026-10-28). Animation-Seeded World Generation × World-Native Animation — ORDR Future Research Proposal v0.1. ORDR-Adapters/docs/future/. https://github.com/kakon77777-commits/ORDR-Adapters/pull/2
[E5] EveMissLab. (2026-10-28). ORDR World-Native Projection Architecture v0.1. ORDR-Adapters/docs/future/. https://github.com/kakon77777-commits/ORDR-Adapters/pull/2

原稿結束。 本篇為《生成過剩與選擇實現論》第 2／12 篇之正式 Markdown 研究原稿；EMPIRICAL_NOT_VALIDATED 表示專項實驗未進行，不應被改述為研究假說已經實證成立、端到端世界動畫已完成或產品已就緒。