從固定影像到可展開世界：生成式媒介的結構轉變

From Fixed Images to Expandable Worlds: A Structural Transition in Generative Media

系列：《生成過剩與選擇實現論》（Generative Abundance and Selective Realization, GASR）
**篇次：**第 1 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： 理論定義與研究設計完成；尚未進行本篇提出的專項實證驗證（EMPIRICAL_NOT_VALIDATED）
原稿格式： UTF-8 Markdown；所有數學原始碼只使用 $...$ 與 $$...$$。

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

傳統電影、動畫與錄製影片通常以已確定的影格與聲音序列交付；觀察者的自由主要是播放、暫停、跳轉與選擇預先提供的內容。生成式媒介改變了這個條件：既有影像除了可以被觀看，也可能成為空間重建、場景推論、動態生成與互動世界的有限觀察來源。然而，「影片可生成新畫面」與「影片已轉化成可持續運行的世界」並不等價。從有限影格無法唯一恢復未被觀察的空間、角色內部狀態與因果機制；外觀連貫也不保證狀態持續、事件可追溯或觀察者介入具有穩定後果。

本文作為《生成過剩與選擇實現論》第一篇，提出一套從固定媒介到可展開候選世界的分層定義與最小形式化。本文區分原始媒介、重建候選場、動態候選世界、互動分支與最終投影，並把「可展開」限制為：系統可在有限觀察證據、明確權限及有限計算預算下，按需建立、查詢、重訪與更新世界的局部表示；它不是主張一段有限影片隱含唯一、完整或無限的三維真相。本文另提出觀察自由與因果介入的判別條件、來源與生成的不可混淆約束、時間線及世界分支的隔離規則，並設計包含程序化真值、授權動畫片段、反事實操作與消融基準的可否證實驗。

現有的神經新視角合成、動態 3D 重建、互動式生成環境與多模態世界模型，已提供此方向的技術先例。本文不宣稱首創單目深度、影片轉 3D 或互動式世界生成；其預期貢獻在於將有限觀測、世界持續性、證據／生成邊界、分支因果與按需物化整理為同一可檢驗的媒介轉換問題。本篇是理論研究與實驗設計，不是已完成的動畫世界生成器。

**關鍵詞：**生成式媒介、可展開世界、世界模型、觀察者相對重建、動畫種子式世界生成、世界原生動畫、時序一致性、證據溯源、因果互動、有限物化。

Abstract

Conventional film and animation are ordinarily delivered as fixed sequences of frames and sound. Generative media permits a different interpretation: recorded imagery can serve as bounded evidence from which a system reconstructs spatial hypotheses, generates additional observations, and possibly supports interaction with a persistent candidate world. Yet synthesizing plausible frames is not equivalent to maintaining a coherent world. Finite observations underdetermine unseen geometry, character states, and causal rules; visual fidelity alone does not establish persistence, provenance integrity, or causally meaningful intervention.

As Paper 1 of Generative Abundance and Selective Realization, this manuscript proposes a layered framework for the transition from fixed media to expandable candidate worlds. It distinguishes source media, reconstructed fields, persistent world hypotheses, interactive branches, and rendered projections. Expandability means bounded, demand-driven construction and revision of world representations, not unique recovery of a complete original universe. The paper specifies evidence and generation boundaries, separates observer freedom from causal intervention, and outlines falsifiable experiments with synthetic ground truth, licensed media, ablations, and counterfactual actions. It positions the proposal alongside established research in novel-view synthesis, dynamic reconstruction, and generative interactive environments without claiming priority over those fields. Its contribution is a testable integration framework; empirical validation remains future work.

1. 問題來源與研究範圍

1.1 從「播放」到「進入」的問題改寫

一部已完成的動畫可能展示房間中的兩個角色、一次對話與一個攝影機角度。傳統觀看者所取得的是被選定的呈現序列，而不是房間每個角落、角色未公開的認知狀態或全部未來事件的可操作資料。

倘若新系統允許觀看者移動視角、走出原始鏡頭、稍後返回同一場景，甚至介入角色行動，那麼交付物已不只是更多的影格。它至少需要某種可持續更新、可供不同觀察需求查詢的狀態表示。本文關心的問題因此不是「AI 是否能畫出更多畫面」，而是：

在原始影像僅提供有限證據的情況下，何種條件使媒介可以從固定的呈現序列，轉變成可供持續觀察與受約束互動的候選世界？

此問題也不限於動畫：錄製電影、插畫、遊戲過場、教育影像與自製 3D 渲染紀錄皆可成為研究輸入。本文以動畫為首例，因它能清楚暴露鏡頭外空間、人物與情節缺失所帶來的難題。

1.2 本篇完成什麼，不完成什麼

本文完成：

定義固定媒介、觀察自由、持續探索、因果互動、世界原生呈現等不同能力層級；
建立來源觀測、候選世界、世界分支與呈現投影之間的概念模型；
將「從有限影像唯一恢復完整原世界」排除為不成立的一般主張；
給出證據來源、生成延伸、回訪與世界狀態提交的約束；
提出可反駁的研究假說、消融比較與驗證邊界。

本文不宣稱已開發完成長時序可互動動畫、通用物理世界模型、角色自主智能、無限場景生成或任何特定性能數字。也不把互動影像等同完整的社會世界、物理真實或作者原本的未公開設定。

1.3 與後續系列的分工

本篇集中在媒介如何成為世界的入口。第 2 篇深入世界原生動畫中的觀察者自由、持續性與因果分支；第 3 篇再分析 UFA 所代表的功能組合如何擴張可用世界能力。主體存在域、歷史價值、注意力時間與選擇排他性，則在系列後續篇章正式處理。本篇只提出它們與可展開媒介的連接，不提前把後續經濟與本體論命題當成已經證實。

2. 既有技術與研究位置

2.1 不能被混為一談的技術類型

技術／媒介類型	典型產出	已能回答的問題	不能由此直接推得的能力
固定影片播放	原始影格、音軌、時間戳	已完成作品如何呈現	鏡頭外的可探索世界
預錄互動影片	預設分支影片	觀眾可選哪個已完成片段	未預設行動後的新因果歷史
單目深度與 2.5D 視差	相對深度、圖層與小幅換角度	局部視覺立體性	完整場景真值及長期世界記憶
神經新視角合成／動態 3D	可從新相機視角重投影的表示	可視空間與動態外觀重建	任意世界事件與可靠角色因果
互動式生成世界模型	行動條件下的新畫面／事件表現	即時生成與有限互動	長時序的可驗證世界一致性
本文所研究的可展開候選世界	狀態、證據、規則、分支與投影	可持續觀察及受約束介入是否成立	不預設原世界唯一可還原

NeRF [R1]、3D Gaussian Splatting [R2] 與動態 Gaussian 表示 [R3] 已證明，從多視角影像建立可重投影表示是一個成熟研究方向。GameNGen [R4] 與 Genie 系列 [R5–R7] 展示了行動條件下生成互動畫面的能力；Marble [R8] 則提供從影像、文字、影片等輸入建構可探索 3D 場景的產品例子。2026 年的 World from Motion [R9] 更把生成式補全與持久的動態 Gaussian 表示結合。這些先例已覆蓋大量與本題相鄰的技術。

特別地，Google DeepMind 在 2026-10-27 公布 Genie 4 研究預覽時，仍明確將長時序物件持續性、空間精度與複雜互動列為限制 [R7]。因此「畫面可以即時生成」與「任意長度都具備穩定世界」仍是不同命題。官方演示與產品描述也不應替代獨立的可重播實驗。

2.2 本篇的預期增量，不是優先權主張

本文不提出一個取代所有新視角、遊戲引擎或生成模型的單一新網路架構。其研究增量是試圖把下列問題放入同一個可檢查的契約：

證據不充分性：媒介能支持哪些觀察，不能支持哪些結論？
狀態持續性：離開再返回時，世界是否仍有可追溯的身份與事件歷史？
有限按需展開：世界未曾被觀察的區域，是否可以在需求產生後逐步構建，而無須假裝事前已存在全部細節？
因果介入：改變行動是否造成受規則約束、可重播的未來差異？
來源與生成分界：系統能否明確標記「原片實際給出的證據」與「推論或新創內容」？

只有當這些整合條件在對照實驗中展現可重播、可量測的優勢，才有資格進一步聲稱方法上的實質貢獻。

3. 五層媒介能力與兩條生成方向

3.1 媒介能力層級

層級	定義	觀察者可進行的操作	最低必要條件
$L_0$ 固定播放	重現來源作品	播放、暫停、尋址、快進	媒介資料與時間索引
$L_1$ 有界重觀察	在證據支持域內調整觀察條件	小幅視差、有限轉頭、放大、換局部視角	深度／圖層、遮擋、安全視角界線
$L_2$ 持續世界探索	場景在離開與回訪間保有可追溯狀態	走出原鏡頭、回訪、查看未曾同時出現的區域	世界身份、記憶、按需物化與來源標記
$L_3$ 因果互動世界	行動可以造成可檢查的狀態轉移與歷史分支	對話、操作、改變事件與人物關係	行動型別、狀態約束、事件日誌、分支機制
$L_4$ 世界原生呈現	影像成為世界演化及觀察條件的持續投影	世界與影像同步更新，觀察與介入成為同一運行過程	持續世界表示、時間分離、投影與生成閘道

本分類是能力判別工具，不是普遍歷史必經階段。一個遊戲可以有 $L_3$ 的規則互動，卻沒有任何從既有影片重建的 $L_1$ 過程；一個高品質新視角系統可能停留在 $L_1$ ，而不是失敗的 $L_3$ 。某產品也可以只提供部分層級的能力，不能單靠功能名稱宣稱全面達標。

3.2 動畫種子式世界生成（ASWG）

定義 1（ASWG）：Animation-Seeded World Generation 指系統以既有動畫中的可核查媒介觀測作為約束起點，在保留原來源時間線與證據邊界的條件下，建立可被重新觀察、按需展開、回訪與選擇性互動的候選世界。

此路線由已存在的媒介輸入開始；它不能宣稱補全內容就是作者從未公開的唯一設定。

3.3 世界原生動畫（WNA）

定義 2（WNA）：World-Native Animation 指世界狀態及其轉移成為可持續的運行對象，動畫影像則是該狀態在特定視角、風格與渲染條件下的投影結果。世界不必事先完整建好；但每一步新內容的產生都須遵循當前有效的世界狀態與契約。

ASWG 與 WNA 不是同義詞。前者以外部已完成作品播種，後者以運行中的世界與呈現共同生成為架構重點。兩者可以結合，但不能由 ASWG 在單張圖上成功產生視差，就宣布 WNA 的長期世界運行已成立。

3.4 「可展開」的限定意義

定義 3（可展開性）：對一組可受理的觀察／互動請求，系統能在指定預算下，對目前尚未實體化或未充分表示的局部區域，透過證據支援的重建、標記不確定性的推論、顯式生成或明示未知等途徑，提出受約束的狀態增量，並能把接受的增量保存至後續可核查歷史。

可展開性不要求任意請求都得到完整答案，也不要求活動記憶體無上限。它要求的是受控的擴張規則及其可觀測成敗。

4. 有限觀測與候選世界的最小形式化

4.1 原始媒介不是完整世界

令一段可合法使用的來源媒介記為：

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

其中 $I_s$ 為影像觀測， $A_s$ 為音訊或缺省值， $\mu_s$ 包含可用來源、鏡頭、時間戳與字幕／場景資訊； $\mathcal T_s$ 是來源索引集合。此處的來源時間與後續互動世界時間不必相同。

為描述影像與世界之間的關係，可引入一個未必可觀測、未必唯一存在的來源世界假設 $W^*$ ：

I_s=\mathcal O(W^*,\xi_s,\lambda_s)+\varepsilon_s

$\mathcal O$ 是觀察／成像或藝術表現的概念映射； $\xi_s$ 是來源視角， $\lambda_s$ 是風格、鏡頭剪輯或視覺規則， $\varepsilon_s$ 是無法由簡化模型表達的殘差。對手繪動畫而言，鏡頭間的透視、比例甚至幾何可以有意不一致，因此不應預設全片必定對應單一嚴格歐氏 3D 世界。這個式子是建模假設，不是可逆性的證明。

4.2 候選世界狀態

給定來源媒介 $\mathcal M$ 、初始政策 $\Gamma_0$ 與模型／規則集合 $\mathcal K$ ，系統建立某個世界候選：

\widehat W_0=\mathcal R(\mathcal M,\Gamma_0,\mathcal K)

這裡 $\mathcal R$ 是任何符合輸入／輸出約束的建構過程，不指定必須採用神經網路、顯式幾何或某單一演算法。

為表達更新後的候選世界及分支，可使用僅供本篇討論、非 ORDR 正式 API的表示：

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

其中：

$F_k$ ：空間與觀察相關的場，必要時可映射至 ORDR 的深度、表面方向、遮擋、拓撲、語義、可見性、不確定性及信心／來源維度；
$X_k$ ：角色、物件、位置與身分等可選動態狀態；
$L_k$ ：有效世界規則、局部因果約束與允許操作；
$H_k$ ：可重播的事件、版本及世界時間歷史；
$P_k$ ：證據來源、生成深度、授權範圍、置信及 lineage；
$B_k$ ：目前有限物化的區域、前沿與預算描述；
$b$ ：世界分支識別符，來源時間線不因新分支而被改寫。

以上分量是職責分類，不是所有表示都需同時物化成大型資料庫，也不代表各欄位已在既有專案全部完成。

4.3 觀察需求、候選轉移與投影

以一個帶預算與權限的需求表示觀察者目前想做的事：

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

其中 $\xi_k$ 是目標視點， $\tau_k$ 是目標世界時間， $u_k$ 是觀看、移動或改變狀態的型別化行動， $\beta_k$ 是權限、資源與輸出要求。空間重投影與世界因果改變必須分別處理，不能把所有相機移動都當成新的世界事件。

對需求產生的候選增量：

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

只有通過約束檢查的增量才可提交：

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

$\mathcal C$ 是可拒絕候選、檢查來源與版本的提交程序；若拒絕，canonical 狀態不因該候選而改變。上述式子不授權外部 provider 直接改寫 ORDR-Core。

視覺輸出則由投影產生：

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

$B$ 是可替換投影後端， $\rho_r$ 是顯示影格、風格與輸出條件。Godot 可以是某一個實作候選，而不是世界真值權威。 $\widehat I_{k,r}$ 是呈現，並不因被重新截圖而自動變成新的原作證據。

4.4 四種不得混用的時間

本篇至少區分：

Source time $s$ ：原始媒介的固定時間／影格位置。
World time $\tau$ ：特定世界分支中的事件時間；可暫停、分岔或依規則前進。
Computation step $k$ ：重建、推論、生成、校驗及物化的計算次序。
Render frame $r$ ：呈現畫面的刷新序列。

例如觀察者在 $s=120$ 秒的鏡頭按下暫停，旋轉虛擬相機時， $s$ 和 $\tau$ 可以不前進，但 $k$ 與 $r$ 仍會變化。若他對角色採取介入行動，應從明確時點建立新分支，不應修改固定來源資料。這與 ORDR-UCD 對世界時間、計算幀及渲染幀分離的研究方向相容，但本文不把尚未完成的跨系統整合描述為既成事實。

5. 三個不同的「世界」與來源權限

5.1 來源世界、候選世界與分支世界

定義 4（來源世界）：作品的既有視聽表達、作者已公開／可核查的設定，或在可驗證情況下的原始場景資料所能支持的內容集合。不能把外界對作者意圖的推測當作來源資料。

定義 5（重建候選世界）：由來源觀測、推論、人工補充及生成式延伸構成、可被重新投影的假設性狀態系統。它可能具有局部幾何或規則一致性，但不等於原作的唯一真相。

定義 6（互動分支世界）：在特定版本與規則下，由觀察者或其他行動者介入後形成的狀態及事件序列。其合法性、故事正史身分與技術一致性分屬不同判定域。

這三者不具有自動等號關係。尤其「獲得合法授權的互動支線」不代表「原作者將其列為正史」。

5.2 證據與生成來源的標記

一個局部區域、物件或事件可以被標為 Observed、Inferred、Generated、Authored 或 Unknown。若透過來源演員／作者／製作方提供的新正式資料校正推論，應保留原推論及新證據的 lineage，而不是把舊生成記錄抹除。

在沒有外部新證據的情況下，要求：

\mathrm{Generated}\not\Rightarrow\mathrm{Observed}

這個不變量防止「來源洗白」：系統反覆使用自己生成的走廊、人物背景或情節，不得僅因重複出現就把它升格成原始媒介中的已知事實。

特殊情況：若研究對象是系統自身已正式提交的虛構世界分支，生成後的場景可成為該分支的既定歷史；但其對來源作品世界的來源分類仍維持 Generated。此處區分「分支內已存在」與「原作原本就存在」。

5.3 證據邊界及可允許的回應

令 $\Xi_{e,k}$ 為目前證據與推論約束足以支援的安全視角集合， $\Omega_{e,k}$ 為對應的有效觀測空間。當需求中的視點超出有效域：

\xi_k\notin\Xi_{e,k}

系統只能選擇明示策略，例如：

保留未知／拒絕：維持 Unknown，縮小視角要求或返回原片；
帶標記推論：允許低置信候選，但不得描述為已觀測事實；
顯式生成延伸：依有效政策生成新區域，留下 provider、約束、生成深度與父來源；
請求額外證據：有合法且可用的新來源時，再更新觀測狀態。

單純的 2D 畫面補洞不一定形成可跨視角、跨時間維持的世界。必須另驗證深度／遮擋／拓撲與回訪行為。

6. 命題、推論與反例

命題 1：一般情況下，有限投影不保證唯一的來源世界

條件：存在不同的候選 $W_1\ne W_2$ ，它們在所有給定來源視角、時間點及可用觀測通道上，產生不可區分的媒介觀測。令 $\mathcal O_{\mathrm{src}}$ 統合來源的影像、聲音與可核查資訊，則：

\mathcal O_{\mathrm{src}}(W_1,\Xi_s)=\mathcal O_{\mathrm{src}}(W_2,\Xi_s)=\mathcal M

結論：任何僅讀取 $\mathcal M$ 、沒有額外可區分證據的推斷器，都不能同時保證其輸出唯一且對兩個候選都正確。

論證：同一輸入對確定性推斷器產生同一輸出；若真值分別為 $W_1$ 與 $W_2$ ，該輸出不可能同時等於兩個不同真值。對隨機推斷器而言，也不能從相同證據保證以機率 1 識別兩者。故無充分外部約束時，模型可提供合理候選，卻不得宣稱唯一恢復。

反例說明：看見一扇關閉的門，鏡頭不提供門後景物；「門後是走廊」與「門後是倉庫」皆可能與同一觀測相容。即使 AI 選出極合理的走廊，也不等於證明原作者設定了走廊。

命題 2：有新視角影像不充分構成因果互動

條件：系統只依視點 $\xi$ 改變渲染結果，但不讓行動改變可持續的世界事件狀態。

結論：該系統至多證明觀察自由或新視角生成；不足以宣稱具有觀察者介入後的因果世界分支。

理由：相機座標的變化可以不影響角色、物件、世界規則或事件歷史。要證成因果互動，至少須有型別化行動、有效性判定、狀態轉移及後續可重播的影響。

命題 3：已提交的生成區域可成為分支歷史，但不因而成為原作證據

條件：系統把生成區域 $g$ 提交到分支 $b$ ，並保留來源及修訂日誌，但沒有取得獨立的新原作證據。

結論： $g$ 可作為該分支回訪時應保持一致的內容；其對原始作品的 provenance 仍必須為 Generated。

此命題是本文採用的證據契約不變量，不是對一切敘事作品的經驗定律。若系統容許自動重標來源，契約就失效，必須在測試中視為違規。

命題 4：有限活動域不等於預先存在的無限世界

條件：每一步只物化有限個區域、依預算逐次處理需求，且未物化區域僅具有地址、約束、摘要或未知狀態。

結論：系統可在不預先具備整個世界細節的情況下支援有限增量展開；但不能由此推出無限計算資源、全部請求可滿足或任何時刻都能即時生成。

這與 ORDR v0.3 的 Universal Canvas、Unbounded Finite Expansion 與 Dynamic Frame Computation 構想一致 [E1]。為避免活動記憶體隨歷史無限制成長，仍須另設物化上限、卸載、快取、持久儲存及失敗／降級策略。

6.1 三個必要反例

漂亮但不持續的走廊：第一次走出房間看到長廊，返回後門的位置、牆上畫作與空間拓撲全部變了；此系統可以生成畫面，但未通過回訪一致性。
視覺一致但因果斷裂的角色：角色剛交出鑰匙，下一分鐘又以未交出狀態行動且沒有任何故事解釋；此系統沒有維持相應事件約束。
來源混淆的補洞：新視角展示從未拍攝的窗外城市，系統卻將城市標記成原作已確認設定；這是來源契約失敗，即使畫質優秀也不應通過。

這些反例刻意將「視覺品質」和「世界品質」分開，使研究不會被漂亮展示影片誤導。

7. 觀察者自由、世界互動與分支因果

7.1 最小互動判準

觀察者可發出三類不同請求：

視點操作：改變鏡頭、縮放、觀看方向；預設不修改世界歷史。
查詢操作：要求世界中某個區域、角色、物件或事件的當前狀態；結果允許是未知。
因果操作：搬動物件、對話、作出決策、觸發事件；經權限及規則驗證後修改特定分支。

若兩個不同的合法因果行動 $u$ 與 $u'$ 在相同初始分支與相同外部條件下，理應產生不同的世界狀態，則系統必須能以可重播資料展示其後果，而不只在畫面上換一句台詞。

為將該要求與純視覺生成區別，可定義受控比較：

\Delta_{u,u'}=d_X\bigl(X_{k+h}^{(b,u)},X_{k+h}^{(b,u')}\bigr)

其中 $d_X$ 是針對事件、物件或角色狀態預先定義的距離； $h$ 是檢驗期限。當測試場景明定兩個行動應造成不同結果時，若 $\Delta_{u,u'}$ 持續為零，則不支持該場景的因果介入能力。當兩種行動本來應等價，差異為零則不是失敗。因此測試必須先由已知規則設定預期，而不能事後挑選看起來不同的輸出。

7.2 原作鎖定與個人世界分支

令 $b_0$ 是唯讀來源時間線， $b_1,b_2$ 是合法授權條件下的新互動分支。系統必須保留：

\mathrm{SourceRecord}(b_0)=\mathrm{Immutable}

並要求每個分支有起始版本、分岔時點、權限與事件序列。原作角色在 $b_1$ 的命運改變，不意味著原作 $b_0$ 的敘事也被更改。

「官方正史」是作品治理與權利方的決定，不能由模型的生成能力自行授予。只有在明確授權與發布規則中，某個分支才可獲得相應官方身分。

7.3 風格也是約束，但不是事實來源

動畫角色輪廓、筆觸、幀率表現、色彩語彙與運鏡規則，會影響世界投影是否看起來屬於同一作品。風格可被設為持續性約束與評估指標；但「生成畫面很像原作畫風」不等於該畫面真的出現在原作，也不能由風格相似推導作者意圖。

8. ORDR 與世界原生投影的責任邊界

本文沿用 EveMissLab 既有的 ORDR 研究路線 [E1–E3]，但不把 ORDR 當成所有世界語義的唯一承載者。

層	本篇所需的責任	禁止的權限越界
來源適配	合法媒介輸入、來源身份、影格與音訊對齊	擅自把受限制內容當作可再散布資料
ORDR-Core	局部空間重建、證據、provenance、不確定性、前沿與安全視角	被特定影視播放器或 Godot 直接取代 canonical 場
ORDR-Lab	顯示中間結果、可否證測試、比較與重播	自行建立第二份互不一致的 canonical 世界
ORDR-UCD	若對應模組已驗證，提供世界物件、時間、規則、圖層與物化語義	假定當前尚未證明的完整世界運行能力已存在
ORDR-Adapters	明確介面版本、可讀欄位、能力與權限、資料轉換	允許 renderer 或 provider 隱式改寫核心狀態
投影引擎	2D／2.5D／3D 顯示、相機、素材與 GPU 運算	將投影結果自行當作新來源真值
AI providers	提議深度、分割、補全、角色行動或視覺候選	不經校驗直接決定權威與歷史提交

ORDR-Core 的既有 Adapter Contract v1 將 can_write_canonical 設為不可授予的權限 [E2]。因此本文的互動世界提交機制是未來上層契約的研究提案，不能被描述為目前已經可以直接透過 v1 adapter 寫入 canonical 狀態。

投影引擎（例如 Godot）只是可替換的呈現後端。若某個世界已有顯式幾何與完整物件規則，可由引擎直接模擬及投影；若只有部分影像線索，則必須保留缺失與生成假設，不能因使用 3D 引擎便宣稱來源世界已被完整重建。

9. 可否證的研究假說

本篇把技術願景轉化為可以被反對照檢驗的條件性假說。以下假說尚未獲得本篇的實驗支持。

H1：持久場相對獨立影格推論，能改善受限場景的回訪一致性

在控制輸入、視角變化及推論模型之後，保留身份、版本與可重播狀態的實驗組，相較每次重新獨立生成的基準組，應降低未修改區域的身份與拓撲漂移。

否證條件：在充分配置的測試場景中，持久組未能優於獨立組，或因持久化導致顯著新錯誤而無法達到預設淨效益。

H2：來源顯式標記能降低生成內容被誤當原作的情況

若不同類型來源維持完整 lineage，則審核程序應可阻止系統在缺乏新證據時把 Generated 升格成 Observed。

否證條件：跨模組回讀、重投影、快取或分支合併後仍出現來源類別洗白，或在測試中無法追溯產出的有效父來源。

H3：具有型別化事件與分支記錄的系統，較容易維持可檢查的因果連續性

在預先定義的互動場景中，具事件日誌、版本與狀態驗證的系統，應比純粹按提示詞續畫面的基準，更能重現行動後果並拒絕互相矛盾的狀態。

否證條件：對預先注入的事件衝突不能可靠拒絕，或同一設定與固定隨機源下仍無法重播預期事件。

H4：按需物化能在受控條件下減少無關區域的活動計算，但不保證生成成本較低

當觀察者只要求總世界的一小部分時，局部物化與回收可望降低同時間活動的狀態量。若大量探索反覆觸發昂貴生成或記憶管理，其總成本也可能超過事先建立完整場景的方案。

否證條件：對指定工作負載，按需方案無法維持承諾的活動預算，或不存在可量測的成本／功能優勢。

H5：世界一致性與視覺品質必須分別量測

高畫質影片分數不應被當成高世界一致性的充分證據。預期在部分測試案例中，外觀指標相近的系統可呈現顯著不同的回訪、事件或來源完整性。

否證條件：本假說不是主張兩者永遠無相關；若在研究範圍內外觀指標已足以可靠預測所有事先定義的世界指標，則額外世界指標的預測效益會受到質疑，應據實報告。

10. 最小實驗架構與研究程序

10.1 先使用具真值的世界，不先追逐任意動漫鏡頭

第一類測試使用可合法重播、具有明確幾何和事件規則的程序化場景。可用任何可控引擎（Godot 為候選）產出固定來源影格，並保存其原始場景、相機路徑與事件真值。建議至少涵蓋：

房間門後被遮擋的兩種互斥場景；
前景人物遮住遠景的分層場景；
角色交付與取回物件的因果事件；
鏡頭切換但世界時間不連續的場景；
同一區域離開後返回的長時序場景；
視點越過證據支持域的場景。

第二類才使用可明確授權的動畫／插畫／自製短片，加入風格一致性與非寫實透視問題。不以 AI 自己產生的測試影片冒充真實外部內容的實證；若採用合成資料，只能聲稱合成環境中的可測性能。

10.2 對照組與消融組

組別	能力	想分辨的因素
B0	原片播放，不產生世界	媒介來源保真下限
B1	每幀獨立的深度／視差／補全	無持久記憶的視覺基準
B2	時序對齊的持久空間場	持續性與回訪是否有益
B3	B2 加入型別化事件與分支	因果與狀態約束是否有益
B4	B3 加入明示的新視域生成	有界延伸與 provenance 的代價與收益

比較時應固定輸入素材、可見資訊、訓練資料條件、隨機種子（可控制者）、硬體及預算，並明確記錄模型預訓練導致的不可完全等價條件。不能以某組使用昂貴大型模型、另一組只使用簡單插值的方式，將計算資源差距誤判為理論優勢。

10.3 指標及適用範圍

指標	對象	量測方式與注意事項
Source-view fidelity	來源原鏡頭	PSNR／SSIM／適當感知指標；只能量影像相近，不能證明隱藏幾何
Held-out novel-view error	具真值的新視角	與保留的未訓練相機觀測比較；只適用有可信參考的場景
Occlusion／topology consistency	前後關係與相鄰性	預先標註的關係違反比例；混淆未知與錯誤須分開報告
Revisit identity mismatch	回訪已提交區域	物件 ID、空間拓撲及固定事件歷史的差異；有正式修訂時不能當作漂移
Causal event consistency	行動與事件	檢查授權操作的前置條件、事件次序與後續可重播狀態
Provenance violation rate	生成與原作來源	生成來源洗白、父來源缺失及權限越界比例
Safe-view calibration	可支援的觀察域	宣稱安全的視角中實際失敗率，及因過度保守而拒絕的合理請求
Runtime／memory budget	計算與物化	延遲分位數、峰值顯示記憶體、VRAM、快取命中與失敗降級

對來源洗白與唯讀原片被修改，在契約單元測試中應要求零容忍；其他畫質或延遲門檻必須在實驗前登錄，不能看完結果再調到看起來成功。

10.4 一個可重播的最小試驗

建立具有房間、走廊與遮擋物件的程序化場景，錄製十秒固定鏡頭作為來源。測試組只取得這十秒影像及事先明示的允許線索，不能直接讀取保留真值。然後要求：

在來源視點還原來源畫面；
左移相機並判定可視的新區域；
要求進入門後未知空間，檢查是否明示未知／生成來源；
離開再回訪，檢查提交後區域是否保持 ID、拓撲與內容；
對分支中的一件物件執行兩種合法但結果不同的操作；
檢查兩個分支的事件歷史、最終狀態及原片來源記錄；
重播相同輸入與已固定的隨機源，檢查輸出與差異日誌；
在不同運算預算下重做，紀錄降級與拒絕行為。

此試驗最多能支持有限、具明確約束的可展開候選世界原型，不能直接推出所有動畫作品或長達數小時的開放世界都可穩定轉換。

10.5 預先登錄與失敗報告

每次實驗需保存：來源授權／合成來源標記、媒介 hash、場景與資料切分、模型與程式版本、提示詞或規則、相機軌跡、行動序列、預算、隨機源、場景保留真值，以及 PASS／FAIL／UNPROVEN／NOT_RUN 狀態。未完成的測項不能從同批影片的主觀觀感中補作「通過」判定。

11. 媒介可展開後的研究限制與治理

11.1 技術限制

不可識別性：單一投影可能對應多種幾何與因果解釋；模仿原作風格不提供額外原始真值。

長期累積錯誤：逐幀生成與多輪場景補全可能產生身份、拓撲、時間、角色關係或事件的漂移；只測短片不足以驗證長期世界。

藝術性非物理性：誇張比例、鏡頭變形、手繪透視、剪輯跳接與風格化運動，不一定適合單一物理幾何還原。

使用成本：即時生成延伸、角色推論與多觀察者協作可能受 GPU、延遲、儲存與頻寬限制。按需生成不等於免費。

世界模型語義：能產生視覺連貫畫面的系統，不一定具有可供外部驗證的物理規則、社會因果或持續身份；應依實際能力標註。

11.2 權利、授權與人格限制

存在可合法觀看的媒介，不代表可以不受限制地重製、改作、商業分發或對特定演員／配音者建構數位替身。原作、角色、音樂、商標、聲音、肖像、表演及改編權的適用範圍可能不同，且因司法管轄、使用方式與契約而異。本文不提出一條適用所有地區的授權捷徑。

研究原型應以自製、明確授權或合法允許的素材為優先；不得以突破 DRM、取得受限網站內容或隱藏來源作為研究成功條件。若未來提供互動分支，還需明示是否官方授權、是否原作正史，以及新生成片段的識別方式。

11.3 觀察者選擇與時間成本

世界越容易生成，觀察者仍須在有限時間內選擇要進入哪個世界。本篇因此把可展開媒介視為後續研究「生成可能性增長」與「有效探索能力」的具體入口。但媒介供給增加是否使注意力更加集中、分散或造成審美疲勞，均須由後續資料檢驗；本篇不能提前視為既成市場定律。

12. 結論

本文提出：固定影像與可展開世界之間，不是一個單純的畫質提升或格式轉換，而是一組新的狀態、證據、互動與時間關係。有限影像可以成為世界建構的起點，但不能唯一決定全部未見空間、角色意圖及因果歷史。可展開媒介的最低研究責任，是把可重投影的外觀、可持續的世界狀態、可提交的事件分支與可追溯的來源分類分開，再檢查它們能否在受限資源下可靠協作。

本文提出的 ASWG 與 WNA 是兩條相連、但不同的研究方向：前者由既有作品播種，後者讓世界與動畫在同一運行中共同生成。本文不宣稱某個技術已完成這一完整轉換，也不把短片展示、真實場景重建、持續社會世界或開放式因果互動混為一談。

對本系列而言，第一篇建立的關鍵問題是：當媒介不再只是被播放，而開始成為可進入的世界，其後續擴張為什麼不會自動得到觀察者的無限探索？ 下一篇將聚焦觀察者自由與世界因果分支，後續再回到生成能力、主體存在、歷史偏好，以及原有時間與選擇排他性研究。

附錄 A：術語與判別

術語	本篇採用的含義	常見混淆
固定媒介	已確定的影像／音訊序列	不等於創作者沒有原始世界設定
來源觀測	原片、合法素材及可核查元資料	不等於被觀測世界的全部真相
候選世界	由證據與假設建構的持續狀態表示	不等於完整來源世界
觀察自由	可調整視點而獲取其他投影	不等於可改寫世界事件
因果互動	有型別行動可造成可驗證的狀態轉移	不等於只換一段台詞或預錄鏡頭
按需物化	需要時才實際建立特定局部表示	不等於整個世界早已存在
世界分支	新互動歷史的可追溯版本	不等於原作官方正史
可展開性	有限制、有來源、有邊界的局部增量能力	不等於任何方向都能無限生成
ASWG	由既有動畫播種候選世界	不等於唯一恢復作者世界
WNA	動畫是運行世界的動態投影	不要求預先完成全量 3D 世界

附錄 B：後續研究不得直接繼承的聲稱

從 $L_1$ 到 $L_2$ ：新視角可行不等於回訪一致或持久世界可行。
從 $L_2$ 到 $L_3$ ：持久的房間不等於角色與事件具有因果互動。
從 $L_3$ 到 $L_4$ ：在一個固定遊戲世界中可互動，不等於動畫和世界可持續共同生成。
從合成到真實：程序化真值測試通過，不等於任意原作動畫的世界重建成立。
從視覺到社會：畫面逼真不等於人物具備穩定信念、社會關係、主體意識或情緒體驗。
從技術到商業：能生成世界不等於使用者願意持續探索，也不等於已獲得相應的商業授權。

參考文獻

以下 [R#] 為公開技術／學術來源，[E#] 為 EveMissLab 既有理論與工程提案。公開來源核對日期為 2026-10-28；產品官方聲稱視為該機構的公開描述，不等於獨立驗證。

[R1] Mildenhall, B., et al. (2020). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ECCV 2020. https://doi.org/10.1007/978-3-030-58452-8_24
[R2] Kerbl, B., Kopanas, G., Leimkühler, T., & Drettakis, G. (2023). 3D Gaussian Splatting for Real-Time Radiance Field Rendering. ACM Transactions on Graphics, 42(4). https://doi.org/10.1145/3592433
[R3] Li, Z., Chen, Z., Li, Z., & Xu, Y. (2024). Spacetime Gaussian Feature Splatting for Real-Time Dynamic View Synthesis. CVPR 2024. https://openaccess.thecvf.com/content/CVPR2024/html/Li_Spacetime_Gaussian_Feature_Splatting_for_Real-Time_Dynamic_View_Synthesis_CVPR_2024_paper.html
[R4] Valevski, D., Leviathan, Y., Arar, M., & Fruchter, S. (2024). Diffusion Models Are Real-Time Game Engines (GameNGen). arXiv:2408.14837. https://arxiv.org/abs/2408.14837
[R5] Bruce, J., et al. (2024). Genie: Generative Interactive Environments. ICML 2024, PMLR 235:4603–4623. https://proceedings.mlr.press/v235/bruce24a.html
[R6] Google DeepMind. (2025-08-05). Genie 3: A new frontier for world models. https://deepmind.google/blog/genie-3-a-new-frontier-for-world-models/
[R7] Google DeepMind. (2026-10-27). Genie 4: A new generation of world simulation. https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
[R8] World Labs. (2025-11-12; 2026-01-21). Marble: A Multimodal World Model; Announcing the World API. https://www.worldlabs.ai/blog/marble-world-model ; https://www.worldlabs.ai/blog/announcing-the-world-api
[R9] Zhu, L., et al. (2026). World from Motion: Generative Dynamic Gaussian Reconstruction from Monocular Video. NVIDIA／Stanford research project. https://research.nvidia.com/labs/amri/publication/zhu2026worldfrommotion/
[E1] Neo.K / EveMissLab. (2026-09-22). 觀察者相對維度重建（ORDR）v0.3：從二維投影到萬能畫布、無界有限展開與動態幀空間計算的統一框架. 既有研究原稿（Research Draft）。
[E2] 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
[E3] 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

原稿結束。 本篇是本系列第 1 篇已完成之理論原稿；EMPIRICAL_NOT_VALIDATED 表示本文提出的專項實驗仍待執行，不得改標為實證完成、產品可用或發行就緒。