DPIED-02｜模型知道，不等於機器能做到

智能向物理執行的轉化損失、瓶頸傳遞與狀態依賴

A Model May Know Without a Robot Being Able to Act: Conversion Loss, Bottleneck Propagation, and State Dependence in Physical Agency

系列：數位—實體智能演化解耦論（Digital–Physical Intelligence Evolutionary Decoupling, DPIED）
篇次：DPIED-02／09
作者：Neo.K
研究機構：EveMissLab／一言諾科技有限公司
AI 協作整理：GPT-6
版本：v1.0
日期：2026-11-04
文件性質：獨立理論研究；具身智能系統分析、形式化命題、失效辨識與可重現評測設計
前置論文：DPIED-01《同一個 AI 年代，兩條不同的能力曲線》
前置研究：具身 AI 本地算力分層白皮書、WIIW-05、APET-06、LWCT-02
證據狀態：形式化非充分性命題已論證；產業與文獻案例經公開資料核對；本篇尚未執行自建實機消融或因果實驗
Canonical source：UTF-8 Markdown；數學原稿唯一使用 $...$ 與 $$...$$
研究立場：不把語言回答視為物理執行；不把模型參數量視為具身能力的充分統計量；不預設單體端到端模型或分層系統必然勝出

摘要

當多模態模型能描述物體、理解指令、提出合理的物理行動順序，乃至產生機器人程式碼時，尚不能據此認定連接該模型的機器人具有相同程度的實體工作能力。具身智能的完整成果，必須從語義任務逐步轉化為與現場狀態相容的行動、可達的本體運動、準時的低階控制，以及在安全、資源和權限約束下產生的真實世界狀態變化。此一轉化並非無摩擦的單向投射，而是包含觀測誤差、表徵錯位、動作可供性、時間延遲、跨層介面、記憶漂移、硬體能力邊界與物理不可逆性的條件化閉環。

本文在 DPIED-01 的「數位與實體能力可能非同步演化」框架下，將研究問題收斂為認知—物理能力轉化問題（Cognition-to-Physical-Agency Conversion Problem）。本文首先界定任務理解、行動提案、物理可行性、實際執行、可授權行動和持續部署為不同的能力層級；再以非獨立必要事件的交集、條件機率鏈、動態狀態方程及可行動集合，建立轉化瓶頸的形式化框架。據此可論證：提高高階模型表現，不足以保證整體物理任務成功率單調提高；若系統既有致動不可達、硬即時期限失守或必要安全條件無法滿足，單純提高模型規模甚至可能無法改變完整任務成功率。

本文進一步區分「轉化落差的描述性測量」與「瓶頸成因的因果辨識」：前者使用分層成功率、失效標記、人工介入及資源成本；後者要求模型、軟體整合堆疊、感測控制與本體硬體的交叉實驗。藉由明確的反事實對照，可以檢驗模型更換、介面重整、控制器改善或硬體升級何者在特定任務與成本預算下產生較大邊際效果。所有數值示例均為人工構造，並不代表現有機器人的實測表現。

本篇的核心結論並非「模型不重要」，而是智能能否轉化為行動，取決於模型、世界狀態、可行動技能、低階控制、物理本體、風險邊界與更新機制之間的有效耦合。因此，具身 AI 的下一個重要突破可能由更強模型帶來，也可能由現有模型與整合架構、資料回饋及控制設計的共同改善帶來；何者為主因，必須在可重複的實機對照下判斷。

關鍵詞：具身 AI；物理作用能力；智能轉化損失；動作可供性；因果閉環；視覺—語言—動作模型；長程控制；狀態估計；系統整合；架構消融；反事實測試

0. 研究位置：從兩條能力曲線進入兩者之間的轉換器

DPIED-01 的基本問題是：為何數位 AI 的自主工作能力與物理 AI 的自主工作能力可能呈現不同進步速率？該篇建立了領域內固定任務籃、正規化進步量、解耦指標與實機／部署層級的區分，並指出物理任務是一組具有必要條件的複合事件。它沒有證明數位端必然長期領先，而是提供能夠辨識與推翻該假說的研究設計。

DPIED-02 研究其中一個機制問題：即使某個模型在文字、影片、空間推理和任務規劃測試中有顯著進步，這個改進會經由什麼介面進入機器人的行動閉環，又可能在哪裡消失、被放大、被延遲或轉變成失效風險？

本篇與前置研究的分工如下：

研究	已處理的主要問題	本篇新增的問題
DPIED-01	不同領域能力曲線的定義、測量與可否證性	單一具身任務內的轉化機制與失效歸因
2026-06-30 具身算力白皮書	本體、本地站、中央訓練與資料回流分層	分層間的「轉化率」和交互效果如何測量
WIIW-05	知道、能行動、可被授權行動的文明拓樸	將三者差異落到任務、控制與測試事件
APET-06	具身不是人形，而是感知—行動的因果邊界	在既定具身邊界內追蹤能力損失
LWCT-02	各生活域生產力與稀缺的非同步變化	模型進步為何可能尚未形成可靠實體服務

本文不重新提出「人形是否必要」的本體論；不在此篇設計完整多層機器人系統（DPIED-05）；不深入建立視覺資料到控制資料的完整分類（DPIED-04）；不重做 Sim-to-Real 定量研究（DPIED-06）；亦不把工業產值與出貨量當作此篇的主要被解釋變數（DPIED-03、08）。

核心研究問題可分為四個：

「模型懂得完成任務」在操作上究竟代表什麼？
哪些物理與工程條件使正確的任務理解不能轉為執行成功？
如何把同一個失敗拆解為可描述的轉化缺口，而不憑主觀印象歸因？
在相同任務、風險和資源限制下，何時應增加模型能力，何時應改善系統整合或物理本體？

1. 文獻觀察：業界已在「知識—可行動性」之間搭橋

1.1 SayCan：語義上合理，不代表當下的身體做得到

Google Research 的 SayCan 工作以語言模型提供高階任務知識，結合與機器人可用技能相關的價值／可供性估計，使所提出的動作更符合特定機體與場景的實際能力 [R1]。其出發點具有直接的理論意義：一個可以描述「如何清理地上的液體」的模型，不代表某台缺少適當工具或技能的機器人，當下就能安全完成這個動作。

本文據此區分：語義合理性是計畫是否符合任務描述；具身可行性是計畫能否由某個本體在某個狀態下完成。這種差異不因模型表達得更流利而自動消失。

1.2 RT-2 與跨本體資料：語義知識確實可以轉成部分動作能力

RT-2 將網路預訓練的視覺語言知識與機器人資料整合到視覺—語言—動作（VLA）模型，實驗展示在未見過的語義命令與部分操作情境中的泛化能力 [R2]。Open X-Embodiment 則整合來自多種機器人本體的實際操作軌跡，讓跨機體學習成為可以研究的問題 [R3]。DROID 進一步提供跨多種真實場景的操作示範資料 [R4]。

這些成果否定兩種極端說法：一是「文字與影片知識完全無法幫助機器人」；二是「只要取得足夠文字與影片，就不再需要真實動作資料」。更合理的問題是：不同資料如何對齊到可控制、可泛化的動作表徵，以及這種遷移在什麼情境下失效。

1.3 π0.5：混合訓練與長程實體任務的正向證據

Physical Intelligence 的 π0.5 研究將網路、不同機器人、多種語義子任務及低階動作資料共同使用，展示於新住宅環境執行某些長程操作任務的可能性 [R5]。這是整合路線有效的正向案例；但論文的實驗任務、機體、樣本和部署範圍，不能直接被擴張為「通用家庭機器人已達商用成熟」。

1.4 Gemini Robotics ER 2：高階推理與低階執行的顯式分工

2026 年的 Gemini Robotics ER 2 將高階空間／時間推理、任務協調與進度判斷交給具身推理模型，並與較低階 VLA 動作模組銜接 [R6]。這表明前沿產業已在設計專門的具身協作架構，而不是單純替機器人掛載通用聊天模型。開發方示範了特定能力，但仍需將廠商發布、模擬基準、實機重複測試及長期部署區分。

1.5 既有工作的共同限制：整合成功不等於整合問題已解決

NVIDIA 的 Isaac Lab 技術文件將動力學、接觸、致動器、感測和延遲的模擬—現實差異列為實機驗證必要考量 [R7]。2026 年部分研究亦針對 VLA 推理延遲與非同步動作序列提出改進方法 [R8]。文獻正在處理轉化問題，卻尚不足以推出對所有本體、所有任務與所有成本條件通用的最優整合方法。

因此，本文提出的不是「第一個發現模型與行動不同」的歷史宣稱，而是將多個已知工程問題放到共同的轉化損失、瓶頸傳遞、狀態依賴與因果評估框架中。

2. 六個不能互相取代的能力層級

令任務規格為 $g$ ，現場真實狀態為 $x_t$ ，具身系統的本體能力配置為 $H$ ，可用資源預算為 $b$ ，環境分布為 $\mu$ 。須先區分以下六個層級：

層級	名稱	可以回答的問題	不可偷換成
K1	任務語義理解	指令與成功狀態是否被正確解讀？	計畫當下可行
K2	情境化行動提案	是否提出與觀測相容的候選行動？	本體具備對應技能
K3	本體可行性	所需軌跡、抓取、接觸與動作是否位於能力集合內？	真實執行一定成功
K4	閉環執行	能否在變動觀測與擾動下及時控制？	長期安全及可靠
K5	安全且被授權的完成	行動是否滿足風險、權限與終態規則？	商業上可持續部署
K6	持續部署	長時間使用下，維護、能耗、介入和成本是否可接受？	所有新環境均可泛化

這六層不是既定的自然分類，也不是逐層只往下流的軟體架構；它們是分析工具。現實系統可以將若干層放在同一模型內，也可以用多個模組實作。某一層的資訊可以回饋上一層，甚至修正任務目標。

2.1 「知道」是一種評估性描述，不是心靈狀態判定

本文所稱「模型知道」，嚴格指在固定測試規則下，模型對任務、狀態、物理限制或計畫給出經獨立驗證為正確的表徵或預測。這不表示對 AI 的主觀意識、人格或理解本體作出定論。

例如可以設計兩個彼此獨立的考試：

給定完整而正確的世界狀態，模型能否說出可行的任務策略？
只給真實機器人當下的感測資料，系統能否在安全限制內完成同一類任務？

兩次考試若得到不同結果，是可研究的能力落差；但還不能直接說落差完全是「模型與控制器中間的轉化損失」，因為兩次考試的資訊量與行動條件不同。

2.2 「能做到」必須具備清楚的終態與邊界

定義完整任務成功事件 $Y=1$ ：在事前固定的時間、風險、人工介入、能源、權限及環境條件下，外部世界進入可獨立驗收的目標狀態。若任務途中需要不允許的人類介入、違反硬安全規則或超過資源上限，按事前規格記為未達完整自主成功，即使最終物件位置看似正確。

因此，對特定任務，「模型會說」與「機器會做」具有不同的測試對象與不同的可觀測結果。

3. 基本形式化：智能、身體、環境與轉化閉環

3.1 系統配置與真實世界狀態

將一套具身系統表示為

\mathcal A=(M,I,H,C,L,V),

其中：

$M$ ：語義、感知或高階推理模型及其權重；
$I$ ：模型與工具、狀態記憶、技能庫、通訊介面和任務協調的整合堆疊；
$H$ ：本體幾何、感測器、致動器、電力與機械能力；
$C$ ：即時控制、狀態估計、動作策略及安全監督；
$L$ ：本地／遠端算力、網路和排程資源；
$V$ ：允許的行動權限、風險門檻與驗收規則。

令現實狀態 $x_t$ 、觀測 $o_t$ 、執行指令 $u_t$ 與外生擾動 $w_t$ 分別滿足概念性動態：

x_{t+1}=F_{e}(x_t,u_t,w_t),

o_t=G_{e}(x_t,\nu_t),

其中 $e$ 是具體環境， $\nu_t$ 是感測誤差、遮擋或資料延遲等因素。 $F_e$ 與 $G_e$ 不預設已知、可逆、線性或完全可辨識。

在某一實作中，系統可先由記憶與狀態估計得到 $\hat x_t$ 和 $m_t$ ，產生候選指令，再由安全與本體控制層決定實際可下達的指令：

\bar u_t=\pi_{M,I,C}(g,o_{0:t},m_t),

u_t=\sigma_{H,C,V}(\bar u_t,\hat x_t,b).

$\sigma$ 可能允許、調整、延遲或拒絕候選動作。此式是系統分解的一個候選實作類型，不是要求所有 VLA 或端到端政策必須具有顯式安全濾器；任何涉及實體風險的方案仍須滿足相應獨立安全要求。

3.2 物理可供性不是自然語言的同義詞

對本體 $H$ 、現實狀態 $x$ 與資源 $b$ ，定義其可允許且物理可達的動作集合：

\mathcal U_{H,V}(x,b)= \{u: u\text{ 滿足本體與安全約束}\}.

此集合依任務、硬體、環境及權限而變動。一句語言上的合理動作，未必位於這個集合中。若完成目標所必須經過的所有行動序列，在既定本體與風險限制下均不可行，則即使高階模型能提出完美策略，也沒有可用的物理執行方案。

令 $\Pi_{H,V}(g,x_0,b)$ 為在給定初態和資源下、能滿足目標及硬限制的策略集合。若

\Pi_{H,V}(g,x_0,b)=\varnothing,

則在該條件下，不存在符合協定的成功策略。這是相對於本體、環境和限制的不可行，而不是宣稱任務在所有物理技術下永久不可能。

3.3 轉化不是一次映射，而是持續更新的條件過程

常見的簡化敘述為「模型輸出計畫，控制器執行」。但真實具身過程通常會反覆經過：

目標解讀 → 觀測／狀態估計 → 可供性判斷 → 行動選擇 → 控制執行 → 外部狀態變化 → 觀測修正 → 再規劃／恢復。

因此本文所說的「轉化損失」不是某個可直接在模型層讀取的物理常數，而是任務成果沿不同資訊、控制及部署條件發生折減的經驗現象。若要把其中一段判為損失來源，必須能在保留其他條件的實驗中辨識相應效果。

4. 轉化瓶頸的事件模型：不能把各段成功率當成互相獨立

4.1 必要事件的交集

對一項完成標準嚴格的物理任務，定義下列必要事件：

$E_1$ ：目標、現場及授權限制得到足以完成任務的正確解讀；
$E_2$ ：任務關鍵狀態被感測與更新到足夠精確；
$E_3$ ：存在且採用了可行的動作／技能與恢復策略；
$E_4$ ：控制系統在關鍵時刻實際執行成功；
$E_5$ ：全程符合事前設定的硬安全與權限規則；
$E_6$ ：在規定時限與資源內到達可驗證的終態。

在此分解下，完整合格成功事件為

Y=\bigcap_{j=1}^{6}E_j.

上述事件是研究者針對事前指定的任務規格所做的必要條件定義，不應將某個供診斷使用的主觀標籤任意升格為必要條件。例如，「第一份計畫文字與專家答案完全一致」不一定是成功必要條件，因為機器人可以採用另一份有效計畫，或在途中恢復原先錯誤。因此，計畫評分與必要事件的定義必須分開。

依條件機率鏈式法則，在有定義的條件機率下：

\Pr(Y) =\Pr(E_1) \prod_{j=2}^{6} \Pr\big(E_j\mid\bigcap_{i=1}^{j-1}E_i\big).

這個式子不假設感測、規劃、控制和安全事件彼此獨立。若前段條件事件發生機率為零，整體成功機率直接為零，不必依賴未定義的後段條件機率。

由交集的單調性，對所有必要事件均有：

\Pr(Y)\leq\min_{1\leq j\leq6}\Pr(E_j).

這是精確的上界。它表示當某必要條件受限時，其他必要條件單獨提高，無法使完整任務超越該上界；但它不表示最低邊際通過率的那一項一定是最值得改善的工程瓶頸，因為成本、相關性、交互作用及可干預性都可能不同。

4.2 「各段乘起來」必須說清楚條件

如果有人直接將「語言理解率 × 感測成功率 × 控制成功率」相乘，卻沒有交代後兩者是否是在前段已成功的條件下量測，數字通常不是完整任務成功率。本文僅採用條件鏈式法則，或在明確宣告虛構且條件化的階段機率時提供教學算例。

真正的基準實驗應直接記錄每次完整執行的 $Y$ ；各段分解用於尋找潛在失效機制，不得取代最終端到端驗收。

4.3 描述性「計畫—行動」落差不可直接當成因果損失

令 $P=1$ 表示獨立評審判定模型在其實際取得的資訊下產生可接受的計畫， $Y=1$ 表示物理任務完整成功。依全機率公式：

\Pr(Y) =\Pr(P)\Pr(Y\mid P) +\Pr(\neg P)\Pr(Y\mid\neg P).

$\Pr(Y\mid\neg P)$ 不一定為零：系統可能在後續重新規劃、依低階反射完成目標，或採用其他有效策略。反過來， $\Pr(Y\mid P)$ 可能很低，因為計畫雖合理，卻未能在物理世界執行。

因此， $\Pr(Y\mid P)$ 是有用的描述性轉化觀測，但不是將模型計畫強制改成正確時的因果效果。以是否已產生正確計畫作條件篩選，還可能選中較容易的場景而產生選擇偏差。需要因果歸因時，應另做對照實驗。

5. 轉化損失的七個主要來源

本節的分類可以交疊，不宣稱每次失敗都有唯一來源。最好的紀錄方式是同時標記症狀、環境條件、候選成因，以及是否經實驗確認。

5.1 L1｜任務語義到現場狀態的錯位

模型理解「把桌上的玻璃杯移到櫃子」，不代表它知道現場有幾個玻璃杯、哪個正在被人使用、櫃門是否鎖住、是否存在禁止接觸的物品。語義內容可能正確，現場指涉與實際狀態卻錯誤。

可觀測指標：物件定位錯誤率、狀態估計校準誤差、遮擋條件下的成功率、錯誤物件操作率。診斷對照：使用同一模型與控制器，改以已校準的場景狀態提供輸入；但此種「真值狀態」測試只作診斷，不算自主部署成績。

5.2 L2｜語義計畫到本體可供性的錯位

模型可以建議用雙手拿起重物，但機器人只有單臂、關節扭矩不足、夾爪摩擦係數不足，或者工具根本不存在。另一類問題是語義策略可行，但技能庫沒有相應控制技能，或技能的前置條件被錯誤估計。

可觀測指標：候選動作的本體可行率、達成率、規劃被可供性檢查器否決的比例、在可供性資訊更新後的重規劃成功率。診斷對照：以獨立機器人技能可行性模型或運動規劃檢查器驗證候選動作，而不是只看語言模型自評。

5.3 L3｜感測—動作時間不同步

大模型可能在數百毫秒甚至更長時間後輸出一段合理計畫，但物體在此期間已移動、抓取接觸狀態已改變，或安全控制週期已超出容忍範圍。即使推理結果對先前觀測完全正確，也可能對執行時的現場不再正確。

可觀測指標：觀測時間戳到指令生效的延遲、控制更新頻率、感測資料新鮮度、錯過硬期限次數，以及不同延遲注入條件下的成功率。診斷對照：固定模型與任務，使用實驗核准的延遲擾動測試；有撞擊風險者應優先在模擬或安全隔離裝置中實施。

5.4 L4｜運動控制與物理接觸落差

操作物件需要實際處理摩擦、慣性、抓取、變形、回彈與力回饋。影片中的相似動作可能對應不同物理量，也可能存在未被鏡頭看到的接觸關係。這一層的模型錯誤，會直接改變外部世界狀態。

可觀測指標：姿態／軌跡偏差、接觸失穩率、滑落率、碰撞、施力超限、材料或負載變動下的成功率。診斷對照：在同一高階計畫下替換控制器或接觸估計器，測試任務可否改善。

5.5 L5｜記憶、狀態與技能版本失配

長程任務並不只是當下視覺推理。若機器人記憶中認為「抽屜已關」，但現場抽屜已打開，後續操作可能使用過時的世界狀態。若中央模型更新、技能版本、地圖與控制參數沒有一致的版本管理，亦可能出現原本單獨正確、組合後錯誤的狀況。

可觀測指標：狀態衝突事件、過期資訊使用率、版本不相容事件、任務恢復後成功率。診斷對照：固定模型與硬體，替換狀態同步、事件記憶或版本檢查策略；避免在活躍的危險操作時直接測試未驗證記憶更新。

5.6 L6｜安全與權限門檻

模型提出的物理行動即使在技術上可執行，也未必符合合法授權或安全限制。安全監督拒絕危險動作，從產品目標看是正確行為，卻可能使原定任務無法在期限內完成。因此應區分「適當拒絕」「誤拒」及「危險通過」，不可把安全拒絕一律算作模型能力不足。

可觀測指標：安全拒絕率、誤拒率、危險漏放率、權限違規率、合法任務之可恢復比例。診斷對照：使用經專家審核的合法／非法行動集，在影子測試或安全隔離環境中量測；不得為了提高任務成功率，在真實人身風險場景中直接移除獨立安全機制。

5.7 L7｜資源、維護與長期運行損失

同一個動作能成功一次，不代表長時間連續操作仍能完成。電量、散熱、網路、馬達磨損、保養週期、遠端人力與模型推理費用，均可能使技術上可行的任務達不到商業部署條件。

可觀測指標：單位有效工作量成本、連續自主時長、有效稼動率、人工接管量、非計畫停機、維修間隔及故障恢復時間。這一層的經濟模型將由 DPIED-08 深入處理；本篇僅用來阻止「單次成功＝可量產服務」的跳躍推論。

6. 核心命題與形式化論證

命題一｜本體不可達時，高階模型能力不是充分條件

命題：對固定任務 $g$ 、初始狀態 $x_0$ 、本體 $H$ 和限制 $V,b$ ，若可行策略集合為空，則任何僅改變高階推理模型、但不改變可用行動集合或外部條件的處置，都不能產生符合該任務規格的成功軌跡。

前提：任務目標和限制固定；本體可用動作集沒有因其他機制而擴張；沒有額外人類或外部裝置加入。

證明：假設某模型升級後能完成任務，則必然存在一條由允許動作構成且到達目標的成功策略。此策略屬於 $\Pi_{H,V}(g,x_0,b)$ ，與策略集合為空矛盾。故升級高階模型不足以產生符合規格的成功軌跡。證畢。

邊界：更好的模型若能發現原先未知、但實際存在的替代動作，使可行集合的估計由空變非空，命題前提就不再適用。因此不可把「規劃器認為不可行」誤認為「物理上不可行」。

命題二｜單獨提高一段條件機率，不保證端到端能力改善

命題：在多事件物理任務中，若系統更換同時改變其他段落的條件機率或狀態分布，單獨觀察某一上游能力分數提高，不足以推出完整任務成功機率提高。

證明方式：反例構造。考慮兩個必要階段 $E_1,E_2$ ，原系統具有

\Pr(E_1)=0.90, \qquad \Pr(E_2\mid E_1)=0.90.

完整成功率為 $0.81$ 。更換模型後，第一階段提高至 $0.99$ ，但由於推理延遲與狀態不同步，第二階段的條件成功率下降為 $0.70$ ，則

\Pr(Y)_{\mathrm{new}}=0.99\times0.70=0.693<0.81.

故某個能力分數提高，並不能邏輯推出整體改善。此例是數學構造，不是已觀測的產業數值。證畢。

重要限制：若能證明所有鏈式條件機率在相同事件排序及相容分布下均不下降，則其乘積確實不會下降。因此本文不宣稱「模型提升通常使機器人變差」；僅指出實際模型升級可能連同延遲、資訊路由與其他條件一起改變，不能只檢查上游分數。

命題三｜改善不可忽略瓶頸的效益具有條件性

命題：在完整成功為必要事件交集的框架中，若某事件 $E_k$ 通過率的既有上界為 $c<1$ ，則無論其他必要事件如何改善，整體成功率均不超過 $c$ 。

證明：由 $Y\subseteq E_k$ ，故 $\Pr(Y)\leq\Pr(E_k)\leq c$ 。證畢。

這一命題不能被反向解讀為「應該永遠先投資最低成功率的模組」：如果某模組雖有低成功率，但改善成本極高，或另一模組的修正能同時改善多個事件，最佳工程優先順序仍可能不同。數學上界是限制條件；投資優先序是因果與成本問題。

命題四｜整合堆疊與模型的交互作用可以被定量辨識

設定模型 $M_0,M_1$ 與整合堆疊 $I_0,I_1$ ，在固定任務分布、本體、資源及驗收規格下，記四組端到端成功率為 $q_{ij}=Q(M_i,I_j)$ 。定義加法尺度的交互作用：

\mathcal J_{MI}=q_{11}-q_{10}-q_{01}+q_{00}.

這是四組觀測值的確定性代數構造。 $\mathcal J_{MI}>0$ 表示在該測試的成功率加法尺度上，模型更換與整合更換呈現正交互效應；等於零表示該尺度上無交互項；小於零表示負交互效應。

因果資格：只有在模型、堆疊分配與測試順序受到控制，並排除硬體版本、場景難度、人工介入等混淆因素時，才可將結果視為支持因果交互的證據；純觀測資料得到的 $\mathcal J_{MI}$ 不能自動解釋為因果效應。不同尺度（例如 log-odds）的交互判定可能不同，應預先選定主要尺度。

命題五｜經由恢復路徑的能力不能只靠首輪計畫分數衡量

令 $P_0$ 為第一次候選計畫通過評審， $R$ 為後續環境回饋引發的恢復行動。完整成功 $Y$ 並不要求 $P_0$ 必然成立，只要求最終採用的軌跡符合目標與硬限制。因此，存在某些系統使 $\Pr(P_0)$ 較低、但 $\Pr(Y)$ 較高；例如具有強恢復機制的系統可能修正起始計畫錯誤，缺乏恢復能力的系統即使起始計畫分數較高也可能失敗。

這不是一個宣稱所有恢復機制都有效的經驗結論，而是一個評測分類的反例：以首輪回答正確率排序，不一定能排序長程具身任務完成率。

7. 狀態依賴：為什麼計畫正確也可能在下一秒失效

7.1 時間不是只增加計算量，也在改變答案的適用狀態

模型在時刻 $t$ 接收到觀測 $o_t$ ，並於時刻 $t+\tau$ 執行動作。若環境或物體在這段延遲內改變，則當初基於 $o_t$ 的計畫可能已不適用。將端到端延遲拆成：

\tau_{\mathrm{total}} =\tau_{\mathrm{sensor}} +\tau_{\mathrm{compute}} +\tau_{\mathrm{network}} +\tau_{\mathrm{schedule}} +\tau_{\mathrm{actuate}}.

這是某些串行關鍵路徑的帳面分解；平行執行時的有效延遲由關鍵路徑而非簡單求和決定，且可能存在重疊與佇列效應。

若任務特定的硬期限為 $\tau^\star$ ，則

\tau_{\mathrm{critical}}>\tau^\star

可能使原本正確的行動過期。這不代表所有機器人必須以同樣頻率運行整套大模型；合理的設計可能讓高階模型慢速更新、技能政策中速執行、低階控制與安全監督高速運作。

7.2 模型誤差與控制誤差可能互相放大

為說明狀態誤差累積，在附加假設下考慮真實狀態與模型預測狀態的差 $e_t$ 。若動態對狀態及控制具有適用區域的 Lipschitz 界，則可有如下局部、保守誤差上界：

\lVert e_{t+1}\rVert \leq L_x\lVert e_t\rVert +L_u\lVert\delta u_t\rVert +\epsilon_t.

其中 $L_x,L_u\geq0$ 為局部敏感度上界， $\delta u_t$ 為控制差， $\epsilon_t$ 為模型失配及外生擾動界。此式不是任何機器人自動滿足的普遍定律，而是在明確的模型、範數與局部正則性假設下才能使用的誤差分析。

如果 $L_x>1$ 且沒有足夠有效的閉環回饋或修正，早期誤差有被放大的可能；但若控制設計改變了閉環動態，則有效誤差傳遞係數也可能下降。這說明「更強的文字推理」與「更穩定的控制閉環」並不等價。

7.3 狀態新鮮度必須成為一等公民

一份「準確但已過時」的觀測可能比一份「粗略但即時」的觀測更危險。實驗不能只報視覺辨識準確率，還應同時報時間戳、觀測延遲、動作生效時間，以及在不同動態程度場景下的成功率與安全事件。

這是本文對既有大模型評測的主要補充：知識正確性的效用，取決於該知識對哪個時間、哪個本體、哪個現場狀態仍有效。

8. 模型規模、上下文與整合：三條不同的改善路徑

8.1 路徑 A｜提高模型與訓練能力

可能改善語義理解、視覺辨識、空間推理、場景預測、技能調度、例外處理或多步規劃。技術手段不局限增加參數，還包括更好的資料、訓練目標、後訓練、推理計算、蒸餾與架構改良。

主要風險在於：模型能力增加也可能增加端側算力需求、記憶體負擔、推理延遲、熱設計或網路依賴。若增長主要落在任務尚不缺乏的語義能力上，端到端改善可能很小。

8.2 路徑 B｜提高系統整合能力

包括狀態估計介面、技能可供性檢查、記憶一致性、工作排程、分層控制、錯誤恢復、實體監測、版本化技能接口與安全監督。這些改進可能不改變模型權重，卻提高同一模型在特定任務中的可用成果。

主要風險在於：介面更多可能使系統複雜度、維護工作、耦合故障與驗證成本增加。更分層不必然更好；更端到端也不必然更好。 一個合理架構必須比較可量測的成功率、延遲、成本及可審計性。

8.3 路徑 C｜提高本體、感測與控制能力

改善夾爪、手部、馬達、減速機、觸覺、力回饋、視野、供電、散熱、低階控制與本體設計，有時直接拓展可行動集合，也可能將原本高度不穩定的技能變為可靠技能。

主要風險在於：物理硬體開發、材料驗證、製造、可靠性、供應鏈與售後維護具有不同於純數位模型的時間及資本尺度。

8.4 模型參數量沒有單獨決定式

令 $P_M$ 表示模型參數規模， $Q$ 表示某固定具身任務的完成率。除非補上資料、訓練、推理預算、硬體、控制、整合及評測分布，否則不能從

P_M^{(1)}<P_M^{(2)}

直接推出

Q^{(1)}<Q^{(2)}.

更大的模型可能更強，但比較的是整套系統。模型參數不是完整物理能力的充分統計量；反過來，這也不意味參數量無關緊要。需要實證回答的是哪種任務、哪種資料與資源條件下，規模增加會帶來多少端到端邊際收益。

9. 從瓶頸描述走向因果辨識：四組交叉實驗

9.1 最小的模型 × 整合 2×2 實驗

固定同一機器人硬體、控制器版本、技能集合、任務分布和正式驗收協定，配置四組：

實驗組	模型	整合堆疊	主要用途
A	$M_0$	$I_0$	原始基線
B	$M_1$	$I_0$	僅模型變更
C	$M_0$	$I_1$	僅整合堆疊變更
D	$M_1$	$I_1$	同時更新，估計交互效應

核心輸出是每組的完整任務成功率、不同失效類型、人類介入、安全事件、執行時間與實際資源成本，而不是只有評測者喜歡哪一個影片。

主效應與交互作用可報告：

\Delta_M^{(0)}=q_{10}-q_{00}, \qquad \Delta_I^{(0)}=q_{01}-q_{00},

\mathcal J_{MI}=q_{11}-q_{10}-q_{01}+q_{00}.

其中 $\Delta_M^{(0)}$ 是舊堆疊條件下模型升級的效果， $\Delta_I^{(0)}$ 是舊模型條件下整合改善的效果；不可把這兩者稱為不依賴配置的永恆模型／整合貢獻。

9.2 進一步加入控制與硬體條件

需要釐清「模型弱還是手太弱」時，增加控制器 $C_0,C_1$ 或硬體 $H_0,H_1$ 的因子。但高維全因子測試成本快速增加；可先挑選主要失效機制，再進行分批消融與針對性配對實驗。

若某模型只在新硬體上能運作，缺少相容性或共同支持的比較區域，不能假裝四組數據可以自由交叉；應將測試限制在可比的共同支援區間，或明示無法識別某個分離效應。

9.3 介面層的診斷性 Oracle 對照

為區分問題發生在哪一段，可設計診斷實驗：

真值狀態輸入：提供實驗室測得的高精度世界狀態，測試感測錯位的重要性。
可行技能清單輸入：提供已驗證可供性與技能前置條件，測試模型是否原本高估本體能力。
已驗證策略輸入：以專家或經形式檢查的策略測試低階執行是否仍失敗。
控制器基線替換：在相同規劃與任務下對照既有控制器與候選控制器。
記憶一致性介入：在不更改硬體與模型參數的前提下，提高狀態同步與版本檢查。

Oracle 條件會引入正式部署時通常得不到的額外資訊，不得與自主系統成績直接併榜。其目的只是定位可由改變某個條件所解除的實驗性缺口，而非估計現場產品立即能獲得的提升。

9.4 隨機化、順序與群聚效應

不同機器人本體、電池狀態、地點、操作者、物件批次和環境擾動可能產生群聚相關。實機試次宜採分層隨機化、對照順序平衡，以及模型版本凍結。分析可用適當的分層二項模型或混合效應模型，提供區間估計與事前定義的最小重要效果。

如果更換模型後人類操作員也增加協助，觀察到的改善不能全歸功於模型。若安全事件風險過高，應中止測試並報告中止規則；不能因提前停止而隱藏失敗樣本。

10. 由一次行動到長程工作：損失如何沿時間累積

10.1 單次成功率不能直接等同長程任務成功率

一項長程工作可能包含許多關鍵接觸、搬運、辨識、重新定位、確認與安全決策。若假設每一步成功率皆為 $p$ 且互相獨立，連續 $n$ 步全部成功的機率為

P_n=p^n.

這僅是獨立且同分布的教學模型。在真實機器人系統中，錯誤可能相關，某次失敗可能可恢復，某次誤操作又可能使後續所有步驟失效。因此不能將 $p^n$ 當作實機預測公式。

例如假設 $p=0.99$ 且 $n=100$ ，有

P_{100}=0.99^{100}\approx0.3660.

若每步提高至 $0.999$ ，相同假設下則

P_{100}=0.999^{100}\approx0.9048.

這說明當長程任務真的要求大量關鍵事件全通過時，微小的單段錯誤改善可能具有明顯系統價值；同時也說明為何缺乏可恢復機制的系統，會對重複性失敗非常敏感。

10.2 真實評估應包含恢復事件

將每次偏離預定狀態後的恢復記錄為事件，包括發現失敗、停止危險動作、更新狀態、重新規劃、重試及最終是否完成。每一次可恢復錯誤的處理成本，都應進入長程工作量與總成本評估，而不只記錄「最後成功」的二元分數。

為避免鼓勵危險重試，恢復策略必須受獨立安全門檻限制；不應用無限制的碰撞、施力或反覆抓取來取得更高任務完成率。

10.3 多次試驗的數據不是同一種成功率

「一次性成功率」「允許最多三次重試成功率」「允許人類遠端接管成功率」「人工完整修復後成功率」，代表不同的自主能力。必須同時報告，而不能把具有大量隱性協助的最終成功率當成無人監督自主能力。

11. 成本與效率：真正需要最大化的是合格物理產出

11.1 固定預算下的任務品質

對任務 $g$ 、分布 $\mu$ 、系統配置 $\mathcal A$ 及資源預算 $b$ ，令

q(\mathcal A,g,\mu,b)=\Pr(Y=1\mid\mathcal A,g,\mu,b).

該量只在任務和限制固定後具有可比性。若一個系統允許遠端資料中心無限制推理，另一個系統限定只能本地運算，則即使兩者成功率相等，也不能宣稱成本效率相同。

11.2 單位有效工作成本

對一個固定時段，記總成本為

C_{\mathrm{tot}}=C_{\mathrm{hardware}}+C_{\mathrm{energy}}+C_{\mathrm{compute}}+C_{\mathrm{maintenance}}+C_{\mathrm{human}}+C_{\mathrm{risk}},

其中硬體成本應按明確的使用年限與折舊規則分攤；風險成本是依審核方式估計的損失或保險負擔，不能用數字代替法律、安全責任及倫理紅線。

若在此時段內產出 $N_{\mathrm{valid}}>0$ 個符合事前驗收的有效工作單位，定義

C_{\mathrm{unit}}=\frac{C_{\mathrm{tot}}}{N_{\mathrm{valid}}}.

若 $N_{\mathrm{valid}}=0$ ，該比值不定義為零，也不應捏造一個有限成本；可直接報告「無有效產出」及總成本。更大模型若使推理成本上升，但能減少失敗與人工接管，也可能降低 $C_{\mathrm{unit}}$ ；反之亦然。

11.3 比較的是可行前緣，而不是單一排行榜

對不同配置，應同時報告：完整成功率、安全約束、介入時數、延遲、耗能、硬體折舊與成本。某配置可能成功率最高卻價格過高；另一配置在固定產業需求中更具實務價值。若兩個配置在多維指標上彼此有取捨，應保留 Pareto 前緣，不應任意將其壓成「參數最大的模型最好」。

12. 全部為假資料的雙重算例

本節以人工設定的條件機率與成本演示方法，不代表 Tesla、宇樹、Google、Physical Intelligence、OpenAI 或其他任何實際企業、產品、模型及機器人的數據。

12.1 算例 A：五段條件成功率與架構改善

為方便手算，這裡將必要事件合併成五段；每一項都是按固定先前條件定義的條件機率，不是假設彼此獨立的邊際成功率：

條件化階段	原始系統	僅模型更換	僅整合改善	兩者同時改善
階段 1：目標與場景對齊	0.92	0.98	0.92	0.98
階段 2：狀態／可供性整合	0.88	0.88	0.94	0.94
階段 3：技能及閉環執行	0.80	0.80	0.90	0.90
階段 4：時限與恢復	0.75	0.75	0.90	0.90
階段 5：合格安全終態	0.97	0.97	0.97	0.97

在這組特定的假設下，各組完整成功率由條件鏈式法則直接相乘：

q_{00}=0.92\times0.88\times0.80\times0.75\times0.97\approx0.4712,

q_{10}=0.98\times0.88\times0.80\times0.75\times0.97\approx0.5019,

q_{01}=0.92\times0.94\times0.90\times0.90\times0.97\approx0.6795,

q_{11}=0.98\times0.94\times0.90\times0.90\times0.97\approx0.7238.

模型單獨更換的改善約為 $0.0307$ ；整合單獨改善約為 $0.2083$ 。這個算例故意把更多的階段改善分配給整合方案，因此不能拿來證明一般情況下整合一定比模型有效。它唯一展示的是：評估完整任務時，應同時比較各段條件改善與總成功率，而不是只看第一段模型能力。

交互作用為

\mathcal J_{MI}=q_{11}-q_{10}-q_{01}+q_{00}\approx0.0136.

此數值只是所設定的算例在成功率加法尺度上的交互項；不能作為任何技術方案的預測收益。

12.2 算例 B：提高成功率後，總成本未必上升

假設在一個相同長度的試營運期間，配置 A 花費 600 個虛構成本單位，產生 30 個合格工作單位；配置 B 花費 1,000 個成本單位，產生 60 個合格工作單位。則

C_{\mathrm{unit},A}=600/30=20,

C_{\mathrm{unit},B}=1000/60\approx16.67.

配置 B 的絕對支出較高，單位有效工作成本卻較低。反過來，如果 B 只能產生 40 個合格單位，則 $C_{\mathrm{unit},B}=25$ ，反而較差。這個簡單例子提醒：沒有具體任務、產出品質、安全門檻和總成本，就不能單靠「需要多少參數、多少算力」估計具身 AI 的經濟可行性。

13. 可反駁的研究假說與競爭解釋

H1｜在某些開放物理任務中，模型升級的端到端效果低於預期

假說：對需要複雜操作與連續環境回饋的事前指定任務籃，模型更換可能提高計畫評測分數，但物理成功率改善顯著較小。

需要的證據：同一硬體與任務分布下，模型更換後的獨立計畫分數、完整任務成功率及信賴區間。

削弱條件：對多種機體和難度層級，模型升級穩定帶來相應或更大的端到端改善，且延遲、成本、安全並未惡化。

H2｜狀態與技能介面改善可以在模型固定時提高端到端能力

假說：保持模型權重與硬體不變，改善狀態同步、可供性檢查、任務記憶或技能接口，在某些場景可顯著提高物理成果。

削弱條件：控制資料品質和延遲後，所謂介面效應主要來自額外資料、人工介入或評測條件變動。

H3｜主要瓶頸具有任務、環境與本體依賴性

假說：同一模型系統在固定工位、動態倉儲、一般家庭與高接觸精細操作之間，不會有一個完全不變的瓶頸排序。

削弱條件：事前定義的失效分類與受控介入結果，跨多種場域依然呈穩健且近乎相同的單一主瓶頸。

H4｜長程自主性的改善可由恢復與狀態管理主導

假說：在特定任務中，保持初始計畫模型近乎不變，增強錯誤偵測、狀態記憶與安全恢復，對長程完成率的效果可能大於提升首輪回答正確率。

削弱條件：改善恢復機制的效果微弱，實際瓶頸主要來自初始感測或不可達動作，且更強的模型已同時改善恢復能力。

H5｜具身部署的瓶頸可能由認知移往非認知部分

假說：隨著高階模型提高到足以完成任務解讀，某些部署場景中造成失敗或高成本的主要限制會轉向接觸控制、維修、能源、可靠性或安全制度。

削弱條件：在同一場景中，從始至終仍主要由高階模型理解不足導致失敗，且控制、硬體及運行成本沒有顯著制約。

競爭解釋與零假說

H0-A：評分落差。計畫任務比實機任務容易，所謂轉化損失只是兩種考試難度不同。
H0-B：硬體週期。觀測到的低改善出自硬體世代與測試週期差異，不是模型到行動的特殊轉換問題。
H0-C：資料分布偏移。訓練與測試場景差太大，與系統內部架構關係較小。
H0-D：隱藏的人為操作。某些公開成功案例由事先編程、人工遠端干預或場景挑選所致。
H0-E：安全評測不一致。不同團隊允許的風險和重試次數不同，導致觀測成功率難以比較。

若在控制上述因素後，模型端表現與實機成功率仍能穩定、近似同比改善，則「在該任務上存在重大獨立轉化瓶頸」的判斷應被削弱甚至撤回。

14. 最小可執行實驗協定：從描述走向可以推翻的測試

14.1 固定研究單位與任務族

最小實驗可以選擇一種安全、可重複的非危險操作，例如桌面物件分類、低負載移置或在安全隔離工位內的零件定位。明確預先固定任務終態、物件分布、允許動作、人類介入規則、硬體版本與推理預算。

研究至少分成三種場景：熟悉狀態、可控擾動、保留的未見條件。每組均報完整試次，失敗試次不能從展示影片中被刪去；高度危險或不適合試驗的任務不應為了驗證理論而勉強進行。

14.2 必要資料欄位

欄位	定義與用途
`trial_id`, `task_version`, `scene_id`	每次試驗與固定規格
`robot_id`, `hardware_version`, `control_version`	本體及低階控制版本
`model_id`, `integration_id`, `memory_version`	模型、整合與狀態管理版本
`sensor_timestamp`, `action_timestamp`	狀態新鮮度與動作生效延遲
`plan_validated`, `affordance_validated`	獨立評審的診斷性標記，非成功必要條件的自動代用值
`success_full`, `success_partial`	事前定義的完整成功與部分成功
`safety_stop`, `unsafe_event`, `permission_violation`	安全與權限事件
`recovery_attempts`, `human_intervention_seconds`	自主恢復與人類協助
`time_seconds`, `energy_joules`, `compute_cost`	時間及運行成本
`failure_tags`, `evidence_uri`, `audit_status`	多標籤失效紀錄與可查證證據

若使用外部代理進行安全決策，也須記錄代理版本及其允許的權限；若資料受隱私或商業保護，至少保存可供授權審核者驗證的匿名化摘要和版本指紋。

14.3 原因辨識應要求「干預後可重複改善」

若某次失敗被標為「感測誤差」，只表示這是候選成因；要提升證據等級，需在保持其他重要條件近似相同時改善感測或提供真值狀態，觀察完整成功率是否改善。若某次失敗被標為「模型推理錯誤」，需比較具有明確差異的模型配置，而非只觀察 AI 自己對錯誤的文字解釋。

對於模型 × 整合 2×2 實驗，應事前公告主要終點、隨機化計畫、樣本數設計、排除規則及停止準則。任何試次不足、標註者意見不一致或測試分布漂移，都應原樣報告，不得把「未見顯著差異」誤寫成「兩種架構完全等效」。

14.4 跨域外部效度

一台固定工位機械臂的結果不能直接外推到人形機器人；一間經整理的示範房間，也不能代表所有家庭；單一廠牌的模型進步不等於整個產業都具有相同進步率。完成單場域測試後，應先做外部場景、不同材料、不同本體與不同操作者的保留驗證。此部分可與後續 DPIED-06 的跨本體遷移研究連接。

14.5 安全與權限的研究限制

任何在真實物理環境下的測試都必須依現場安全規程、適用法規和人員授權進行。高風險失效情境可在經驗證的模擬器、隔離工位或影子模式中研究；不能為追求論文中的較高成功率，解除已需要的急停、力限制或其他獨立安全保障。研究者必須報告適當拒絕、誤拒及危險漏放，而不是只報可完成的任務比例。

15. 反例與適用邊界：這個理論不准拿來解釋所有事情

15.1 專用機器人沒有強通用模型，也可以很會做事

在固定流程、已校準工位及受控環境中，經典控制或任務特化模型可能具有很高的可靠性。這不是本篇理論的反例破壞，而是本篇明確允許的情形：物理能力取決於任務與整套系統，不必然要求最強通用模型。

15.2 某些任務的主要瓶頸確實就是模型能力

在開放環境中，若感測器、硬體和控制器已足以完成任務，但高階系統持續誤解指令、忽視目標或不能識別有效策略，那麼改善模型可能是最大邊際收益來源。不能因本篇強調整合，就預先否定更大模型、更新權重或更強世界模型的價值。

15.3 端到端學習可能內化原先顯式的分層

單一 VLA 或其他端到端政策可能以內部表徵整合感知、技能和控制，無須把本文六個能力層級實作成六個網路服務。只要在外部測試中可識別相應風險與成功條件，分析框架仍然可用；但若沒有可檢查的內部介面，詳細的成因歸因可能需要不同的實驗技術。

15.4 系統整合本身也會製造問題

更多模組、更長工具鏈、更多版本與多模型調度，都可能造成新的狀態不一致、延遲或複雜性成本。沒有實驗支持時，「多模組架構一定優於單一模型」與「更大單一模型一定優於整合」同樣不能成立。

15.5 晶片改善可同時影響多個瓶頸，但不是萬能替代

端側運算晶片改善可能降低推理延遲、能源消耗或網路依賴，亦可支援更精細的局部控制；但不會自動提高夾爪最大摩擦力、消除物體本身的不可預測性，或替代所有安全驗證。硬體進步和具身架構進步可能具有互補關係，而非任選其一。

15.6 「物理世界比較難」不能成為無限制藉口

對某些結構化軟體工程任務，正式驗證、資訊安全、分散式系統和真實商業部署也可能極度困難。本文只是在指定具身任務上建立轉化分析，不將所有數位任務描述為可以無限重試、沒有後果，也不將所有物理任務描述為困難或不可解。

16. 驗證狀態與命題—證據矩陣

命題或判斷	本篇可成立的範圍	已有證據類型	尚缺少什麼
模型能提出計畫，不保證本體可執行	邏輯上成立，前提為任務、本體與可行性已明示	可行策略集合為空的反證	各機體的可達集合實測與標註
一段模型能力改善，不保證端到端成功率改善	邏輯上成立，允許其他條件同時改變	非獨立條件鏈與構造反例	不同模型升級的真實效應大小
感測、控制、時限與安全可形成必要瓶頸	交集事件上界成立	機率論命題及機器人文獻	具體任務的原因份額與成本比較
整合架構改善可能提高端到端能力	合理、可反駁的工程假說	SayCan、VLA、ER 等研究方向	固定模型及硬體的交叉消融
模型 × 整合可能有正或負交互作用	交互指標定義成立	2×2 形式化設計	隨機化實機試次與區間估計
長程可靠性不能由單次展示推定	測量上成立	機率示例與部署常識	長期實測及恢復統計
更大模型與更好整合何者較划算	無普遍定論	以成本—品質前緣提出比較法	相同任務及資源下的對照成本數據

已完成的研究工作：正式定義能力層級；建立條件鏈與必要瓶頸上界；給出五項命題與適用邊界；建立失效分類、狀態依賴模型、模型 × 整合交叉測試、成本指標及反駁協定。

未完成、不得宣稱的工作：沒有在本研究中實測任何真實企業的機器人；沒有證明整合架構普遍優於增加參數；沒有預測哪一年具身機器人大量部署；沒有計算某一家機器人的真實轉化損失百分比；沒有完成跨硬體因果測試；沒有證明存在唯一最優具身 AI 架構。

17. 結論：具身智能的瓶頸不是一個大腦分數

本篇將「模型知道，不等於機器能做到」形式化為一個多條件、隨狀態改變、具物理與安全邊界的能力轉化問題。研究結論可濃縮為七項。

第一，任務理解、可行動作、實際執行、合格安全終態與持續部署是不同能力。 任何僅展示前一種能力的結果，都不能無條件替代後一種驗收。

第二，物理任務成功率受必要事件共同約束。 機率交集上界與條件鏈不需要事件獨立性假設；但也不能用最低邊際機率直接判定最值得投資的工程模組。

第三，狀態具有時間與本體依賴性。 模型曾經做出正確判斷，不代表環境改變後該判斷仍正確。可供性、感測新鮮度、控制延遲和外部擾動都會影響轉化結果。

第四，模型強化可能改善物理行動，但改善幅度要以端到端實測確認。 參數增加、世界模型改善、影片學習與更好訓練，都可能提高具身能力；它們並非物理成功的充分保證，也不是可以忽略的因素。

第五，系統整合是值得獨立研究的能力來源。 即使模型權重不變，狀態同步、技能接口、低階控制、恢復與安全監督也可能改善完整任務成果；同時，過多模組亦可能創造新的延遲與故障。

第六，真正的比較是「每單位風險與總成本能完成多少合格物理工作」。 模型排行榜分數、單次展示、參數量及售價，都只是部分資訊。研究應同時保留成功率、風險、介入、延遲、有效工作量及單位成本。

第七，轉化瓶頸可以因任務與技術進步而移動。 今日可能是感測問題，明日可能是控制或維修；開放家庭與固定工廠也可能具有完全不同的瓶頸。任何單一的「具身 AI 停滯原因」，都應在跨場景對照下接受反駁。

在研究路線上，DPIED-01 解釋兩條能力曲線如何被比較；DPIED-02 進一步解釋認知能力如何在物理行動的條件鏈中被轉換與限制。下一篇 DPIED-03 將離開內部能力分解，轉向產業觀察：為何更多示範、更高融資或更多出貨，仍未必等於更多低介入、可持續且具有經濟價值的自主工作。

模型可以先知道一個世界應當如何改變；真正的具身智能，必須讓每一次改變都穿過狀態、身體、時間與責任的邊界。

參考資料與來源層級

下列來源用於核對既有研究的技術存在、研究方法與具體限制。除明示為同儕審查論文者外，企業研究文章、工程文件與預印本均不等同於第三方獨立部署驗證；本篇於 2026-11-04 核對公開頁面。文獻並不替代本篇尚未執行的原始實驗。

[R1] Ahn et al., Do As I Can, Not As I Say: Grounding Language in Robotic Affordances (SayCan), CoRL 2022, Google Research publication, https://research.google/pubs/do-as-i-can-not-as-i-say-grounding-language-in-robotic-affordances/ 。支持語言規劃需要結合機器人實際技能可行性。
[R2] Google DeepMind, RT-2: New Model Translates Vision and Language into Action (2023-07-28), https://deepmind.google/blog/rt-2-new-model-translates-vision-and-language-into-action/ 。技術研究介紹及其報告的機器人實驗；不視為通用部署證據。
[R3] Open X-Embodiment Collaboration, Open X-Embodiment: Robotic Learning Datasets and RT-X Models (2023–2024), https://robotics-transformer-x.github.io/ 。跨機體資料與策略遷移的研究背景。
[R4] Khazatsky et al., DROID: A Large-Scale In-the-Wild Robot Manipulation Dataset (2024), https://droid-dataset.github.io/ ; preprint https://arxiv.org/abs/2403.12945 。真實機器人資料收集與環境多樣性案例；不同版本對任務數的統計口徑可能不同，本篇不以其任務數作量化結論。
[R5] Black et al., π0.5: a Vision-Language-Action Model with Open-World Generalization, Proceedings of the 9th Conference on Robot Learning, PMLR 305:17–40 (2025), https://proceedings.mlr.press/v305/black25a.html 。混合資料與真實環境長程操作的研究案例。
[R6] Google DeepMind, Gemini Robotics ER 2 (2026-07-30), https://blog.google/innovation-and-ai/models-and-research/google-deepmind/gemini-robotics-er-2/ ; model card https://deepmind.google/models/model-cards/gemini-robotics-er-2/ 。高階具身推理、任務協調與低階 VLA 分工的企業技術資料。
[R7] NVIDIA, Simulation to Reality — Getting Started With Isaac Lab, https://docs.nvidia.com/learning/physical-ai/getting-started-with-isaac-lab/latest/robot-learning-fundamentals/08-simulation-to-reality.html 。模擬與真實系統在接觸、致動、相機、照明、時間等方面的差異及硬體驗證要求。
[R8] Zhang, Mkpong and Chen, DreamActVLA: Temporally Aligned Asynchronous Inference for Vision-Language-Action Models (2026-06), https://dream-act-vla.github.io/ 。研究者公開的模型推理與動作時序延遲案例；尚須依實際發表與複現情形評估證據等級。
[R9] Google DeepMind, Gemini Robotics 2 Brings Whole Body Intelligence to Robots (2026-07-30), https://deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots/ 。VLA、具身推理與多機器人協作的研發方向；非獨立商用普及證明。
[R10] Stanford HAI, Artificial Intelligence Index Report 2026, Technical Performance, https://hai.stanford.edu/ai-index/2026-ai-index-report/technical-performance 。用於前置 DPIED-01 的模擬、數位代理與機器人能力評測背景；本篇不以其跨基準百分比構造轉化率。

EveMissLab 前置理論來源

以下均為本研究體系的先行理論文件，並非第三方獨立實證：

Neo.K，《非人類中心機器人架構：從人形模仿到任務拓撲具身智能》，2026-06-26。
Neo.K，《具身 AI 的本地算力困境與分層學習閉環》，v0.1，2026-06-30。
Neo.K，EML-WIIW-05，《當智能進入物理世界：具身 AI 與文明作用拓樸》，v0.1，2026-09-02。
Neo.K，APET-06，《具身的是什麼？從人形機器人到分散式世界身體》，v0.1，2026-09-23。
Neo.K，LWCT-02，《不均衡豐裕：生產力成長、必要生活域與瓶頸稀缺》，v0.1，2026-10-07。
Neo.K，DPIED-01，《同一個 AI 年代，兩條不同的能力曲線》，v1.0，2026-11-04。
Neo.K，《數位—實體智能演化解耦論：九篇系列規劃》，v0.1，2026-11-04。

附錄 A｜最小可重現資料字典與倫理邊界

原始資料應保留試次級別的機器人執行事件，包括：模型發出何種規劃結果、狀態估計的時間戳、經控制器審核的實際指令、外部物理狀態變化、錯誤恢復以及最終驗收。若資料屬於人類居住空間，必須限制存取權限並遵守資料保護要求；不得因研究具身學習而未經同意公開可辨識個人的影音或家居資料。

對隨機化試驗，需明確保存事前註冊的任務列表、評測版本、操作規程、停止條件、硬體檢驗、模型版本雜湊以及統計分析計畫。多次在同一場景測試的結果不可視為彼此獨立的普查樣本。若輸出最終公開資料，應將個人識別資訊、敏感地點及危險控制細節處理至適當程度，而不能破壞學術結果可審查的必要資訊。

附錄 B｜術語與證據資格表

用語	本篇操作意義	不代表
模型知道	特定測試下具有可驗證的正確表示／推斷	已證明主觀意識或全情境理解
本體可行性	特定狀態、硬體及限制下存在可允許策略	系統已學會該策略
轉化落差	計畫評估與物理成果之間的描述性差異	必然是單一模組的因果損失
轉化瓶頸	必要條件或工程資源構成的成果限制	最低成功率者必須先投資
狀態依賴	行動結果依當下世界狀態及時間而變	所有情境都無法泛化
端到端成功率	固定驗收規格下完整任務完成比例	產業普遍自主化
因果交互作用	在受控設計下不同改動具有聯合效果	由四組非隨機觀測即可證明
研究完成	論文定義、命題與實證協定已寫出並核驗	實機系統、實驗和量產均已完成

附錄 C｜原稿與跨篇次一致性聲明

本篇遵循 DPIED-01 的任務／系統／部署層級區分，未將不同基準的原始百分比直接相減。
所有示例成功率與成本都是明示的假資料；所有企業實例僅作公開研發方向與研究設計參考。
必要事件交集上界屬數學事實；具體瓶頸大小、最優投資順序與模型—整合交互作用仍須實證辨識。
本篇沒有宣稱「具身 AI 沒有發展」「新架構必然出現」「巨大模型沒有用」或「機器人會在指定年份普及」。
本篇唯一正式原稿為此 UTF-8 Markdown 文件；聊天畫面及其渲染效果不構成 canonical source。
本篇與 DPIED-03 的邊界清楚：DPIED-02 分析能力轉化，DPIED-03 才分析展示、投資、出貨與實際有效工作量的落差。

DPIED-02 完。