# 具身即佔域，對齊即能力 ## 分布式身體的時序容量、協調稅與規模邊界 **Embodiment as Domain Occupation, Alignment as Capability: Temporal Capacity, Coordination Tax, and Scaling Boundaries of Distributed Bodies** **系列：**《時空域支配智能》系列第 6 篇 **文件編號：** EML-STDI-EAC-2026-v0.1 **作者：** Neo.K **協作整理：** Aletheia（阿萊） **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026 年 7 月 30 日 **文件類型：** 形式模型論文／分布式具身容量與排程理論 **證據成熟度：** E0——形式模型、容量會計與實驗規格 **公開狀態：** 私人研究稿；公開前應經 EML-CF 的 IP Gate、來源、安全與數學審查 **上位理論：** STDI｜時空域支配智能 **直接前序：** 1. 《時空間支配型 AI：從單體具身智能到持續性時空域治理》 2. 《超靈的物理化：從 O-Chip 維度代理人到分布式具身主體》 3. 《Oversoul Station Fabric：固定站、移動站與虛擬站的分布式具身網路》 4. 《持續性指揮控制區：AI 如何佔據、維持並安全解除一個物理時空域》 5. 《語義即物理路由：從資料流治理到物料、能源、站點與行動流治理》 --- ## 摘要 分布式具身系統最容易產生的錯覺，是把站點數量、機器人數量、儀器數量或標稱吞吐量直接相加，並將其宣稱為系統能力。若一個實驗室新增十台機器人、二十個感測器和五個量測站，表面上似乎獲得數十倍具身能力；但這些節點可能共享同一條通道、同一個交接區、同一套工具、同一個電力峰值、同一名人工批准者、同一個樣本批次，或必須在狹窄時間窗中共同到位。其真實能力不由「有多少節點」決定，而由「多少節點、物料、工具、能源、權限、世界狀態和證據能在需要時被正確對齊」決定。 本文提出： > **具身即佔域，對齊即能力。** 「具身即佔域」表示，具身能力不只存在於機器人的本體，而表現為系統在有限物理時空域中可觀測、可到達、可操作和可維持的作用範圍。「對齊即能力」則表示，只有在任務所需的時間、位置、狀態、能力、權限、安全與證據條件共同成立時，裝設的具身資源才轉化為有效能力。 本文承接 ODML「對齊即容量」的核心修正：聚合運輸量、單一存取頭可交付量和可對齊容量不能混為同一數字；容量基準中已計入的自由度也不能再次相乘。本文將同一會計紀律遷移到分布式具身系統，區分四種容量： $$ C_{\mathrm{installed}} \geq C_{\mathrm{available}} \geq C_{\mathrm{aligned}} \geq C_{\mathrm{effective}}. $$ - $C_{\mathrm{installed}}$ ：裝設容量，所有站點的標稱能力； - $C_{\mathrm{available}}$ ：扣除故障、維護、校準失效和不可達後的可用容量； - $C_{\mathrm{aligned}}$ ：在特定任務與時間窗下，能共同滿足能力、物料、空間、能源、權限和一致性條件的容量； - $C_{\mathrm{effective}}$ ：再扣除協調、交接、等待、爭用、恢復、安全和證據成本後，真正形成完成且可信結果的能力。 本文將這些成本定義為 **協調稅（Coordination Tax）**： $$ \tau_{\mathrm{coord}} = \tau_{\mathrm{communication}} + \tau_{\mathrm{synchronization}} + \tau_{\mathrm{handoff}} + \tau_{\mathrm{contention}} + \tau_{\mathrm{reconciliation}} + \tau_{\mathrm{safety}} + \tau_{\mathrm{evidence}} + \tau_{\mathrm{recovery}}. $$ 協調稅不是純粹浪費。部分協調成本換取安全、可恢復性、可重現性與正確性；真正應最小化的是沒有產生相應可靠度價值的無效協調。 本文進一步提出： 1. **佔域覆蓋率**：系統實際可觀測與可作用的時空區域； 2. **能力聯集會計**：重複能力不能直接相加； 3. **共享瓶頸折扣**：共用通道、工具、能源和人工批准者會限制總能力； 4. **語義同步等級**：只有語義上需要相遇的任務才進入強對齊窗口； 5. **Amdahl 型具身加速界限**：不可平行的物理和治理比例封頂多站點加速； 6. **失效域與爆炸半徑**：中央化能降低協調成本，也可能放大共同失效； 7. **弱耦合、強耦合與聯盟任務**：不同任務具有不同對齊稅； 8. **有效驗證容量**：物理動作完成但證據不完整，不計入研究能力。 現有多機器人研究已證明，異質能力、時間窗、能源、聯盟任務與跨機器人依賴會使任務分配和排程成為複雜的組合問題；近期研究使用階層分解、MILP、時間邏輯、局部控制和線上同步，提高大規模團隊的可行性。Open-RMF 也已在實際建築中處理異質機器人、共享交通空間、電梯與門等基礎設施的衝突。這些工作支持本文的工程前提：多機器人價值來自協作，但協作本身會消耗通訊、同步和共享資源。 本文的核心結論是： > 分布式具身系統的容量不是身體數量，而是被正確對齊、完成交付且能形成可信證據的物理作用量。 **關鍵詞：** 具身即佔域、對齊即能力、分布式身體、具身容量、協調稅、可對齊容量、能力重複計數、時序窗口、異質多機器人、聯盟任務、失效域、Amdahl 定律、有效驗證容量、語義同步、規模邊界 --- # 0. 版本定位：第六篇補的是「多站點到底增加了多少真實能力」 前五篇建立了： - STDI 的物理域治理； - 超靈與多身體； - OSF 站點網； - PCD 跨時間持續存在； - SPR／DomainIR 對物料、能源、行動與證據的編譯。 但尚未正面回答： > 增加一個身體、站點或儀器後，系統真實能力究竟增加多少？ 若不建立容量會計，系列會出現四種誇張： 1. 把標稱吞吐當成有效能力； 2. 把相同能力的重複配置重複計數； 3. 忽略共享瓶頸； 4. 只計算動作完成，不計算驗證、錯誤與恢復成本。 本文的任務是建立一套可以被模擬、量測和否證的具身容量模型。 --- # 1. 血緣：從「對齊即容量」到「對齊即能力」 ODML 已區分： 1. 聚合飛行容量； 2. 單一存取頭可交付頻寬； 3. 可在共同時間窗中交互的可對齊容量。 其核心洞見是： > 被分開傳輸不難，難的是讓需要互動的座標在正確時間相遇。 並建立容量會計原則： > 若基準吞吐已經計入波長、偏振或其他自由度，不得將同一自由度再次乘入。 STDI 中同樣存在： - 裝設多少機器； - 單一站點能做多少； - 多站點能否共同完成一項任務； - 完成結果能否被驗證。 因此具身域需要同樣的分層會計。 --- # 2. 具身即佔域 ## 2.1 身體不只是硬體外殼 一個具身節點的價值，包括： - 能看到哪裡； - 能移動到哪裡； - 能作用於哪些物件； - 能施加何種力量與能源； - 能維持多久； - 能在何種安全與權限下行動。 ## 2.2 時空佔域集合 對站點 $N_i$ ，定義其時空作用域： $$ \mathcal{O}_i = \left\{ (z,t,a) \mid z\in Z_i(t), a\in A_i(t), \operatorname{Permitted}(N_i,z,a,t) \right\}. $$ 其中： - $z$ ：空間位置或區域； - $t$ ：時間； - $a$ ：可執行作用。 整個系統的名義佔域為： $$ \mathcal{O}_{\mathrm{nominal}} = \bigcup_{i=1}^{n}\mathcal{O}_i. $$ ## 2.3 真實佔域 真實佔域還需扣除： - 不可達； - 站點故障； - 連線限制； - 人類排除； - 能源不足； - 工具缺失； - 權限到期。 $$ \mathcal{O}_{\mathrm{effective}}(t) = \bigcup_i \left( \mathcal{O}_i \cap H_i \cap L_i \cap R_i \cap P_i \right). $$ ## 2.4 佔域覆蓋率 對目標域 $\Omega^\star$ ： $$ \eta_{\mathrm{coverage}} = \frac{ \mu\left( \mathcal{O}_{\mathrm{effective}} \cap \Omega^\star \right) }{ \mu\left( \Omega^\star \right) }. $$ 其中 $\mu$ 可以是： - 空間體積； - 時間加權區域； - 任務重要度加權作用域； - 可觀測狀態測度。 高覆蓋率不必然表示高容量。系統可以看遍整個房間，卻缺乏任何精密操作能力。 --- # 3. 四層具身容量 ## 3.1 裝設容量 對站點 $i$ 的標稱能力向量 $c_i$ ： $$ C_{\mathrm{installed}} = \bigoplus_{i=1}^{n}c_i. $$ 符號 $\bigoplus$ 不代表普通相加，而表示保留能力類別、參數範圍和適用條件的組合。 ## 3.2 可用容量 定義站點可用係數： $$ a_i(t) = h_i(t) \cdot k_i(t) \cdot e_i(t) \cdot p_i(t), $$ 其中： - $h_i$ ：健康； - $k_i$ ：校準； - $e_i$ ：能源； - $p_i$ ：權限。 則： $$ C_{\mathrm{available}}(t) = \bigoplus_i a_i(t)c_i. $$ ## 3.3 可對齊容量 對任務 $q$ ，需要一個能力、資源與狀態聯盟： $$ \mathcal{K}_q = \left( C_q, M_q, T_q, E_q, A_q, W_q, V_q \right), $$ 其中： - $C_q$ ：能力； - $M_q$ ：物料與工具； - $T_q$ ：時間； - $E_q$ ：能源； - $A_q$ ：權限； - $W_q$ ：世界狀態； - $V_q$ ：證據。 可對齊聯盟集合： $$ \mathfrak{C}_q(t) = \left\{ S\subseteq\mathcal{N} \mid S\models\mathcal{K}_q(t) \right\}. $$ 可對齊容量為： $$ C_{\mathrm{aligned}}(q,t) = \max_{S\in\mathfrak{C}_q(t)} V_q(S), $$ 其中 $V_q(S)$ 是該聯盟能交付的任務價值或吞吐。 ## 3.4 有效容量 定義： $$ C_{\mathrm{effective}} = C_{\mathrm{aligned}} - C_{\mathrm{coord}} - C_{\mathrm{failure}} - C_{\mathrm{verification}}^{\mathrm{missing}}. $$ 或用比例表示： $$ C_{\mathrm{effective}} = C_{\mathrm{aligned}} \left( 1- \tau_{\mathrm{coord}} \right) p_{\mathrm{success}} p_{\mathrm{evidence}}. $$ 其中： - $p_{\mathrm{success}}$ ：物理任務成功概率； - $p_{\mathrm{evidence}}$ ：結果满足證據契約的概率。 --- # 4. 容量不能隨便相加 ## 4.1 能力聯集，不是設備計數 兩台相同相機提供： - 備援； - 不同視角； - 並行觀測。 但如果它們： - 只能看同一位置； - 共用同一網路瓶頸； - 需要同一人工操作員； 其能力增量不等於兩倍。 ## 4.2 重複能力折扣 對能力 $c$ ： $$ C_c^{\mathrm{union}} = \sum_i c_i - \sum_{i R_{\mathrm{primary}}. $$ 不能把備援設備同時計入吞吐和可靠度增益。 ## 4.4 共享瓶頸 若 $n$ 個站點共享容量 $B$ 的資源： $$ \sum_{i=1}^{n}x_i \leq B. $$ 共享瓶頸可能是： - 狹窄走道； - 電梯； - 交接區； - 工具； - 儀器； - 網路； - 電力； - 冷卻； - 人工批准； - 樣本批次。 Open-RMF 對共享空間、電梯、門和交通衝突的治理，正是此類瓶頸的現實範例。 --- # 5. 三類任務耦合 ## 5.1 獨立任務 每個站點可單獨執行： $$ q_i\perp q_j. $$ 例如不同房間的獨立環境觀測。 此時並行收益最接近線性。 ## 5.2 弱耦合任務 需要共享： - 最終世界狀態； - 同一批材料； - 大致時間期限； - 結果合併。 但不需要精確同時。 此時可採有界過期和最終一致。 ## 5.3 強耦合任務 需要： - 同時抓取； - 共同搬運； - 精密交接； - 同步量測； - 共同安全區； - 相同世界紀元。 其對齊成本最高。 ## 5.4 聯盟任務 一項任務需多種能力： $$ \sum_{i\in S}c_i \models C_q. $$ 近期異質 MRTA 研究已明確處理： - 不可分割任務； - 可分割或中繼任務； - 需要機器人聯盟共同完成的任務； - 充電與長續航。 這說明「多身體共同完成」本身就是獨立的排程類型。 --- # 6. 對齊向量 對任務 $q$ ，定義： $$ \mathbf{a}_q = \left( a_{\mathrm{cap}}, a_{\mathrm{space}}, a_{\mathrm{time}}, a_{\mathrm{material}}, a_{\mathrm{energy}}, a_{\mathrm{authority}}, a_{\mathrm{world}}, a_{\mathrm{evidence}} \right). $$ ## 6.1 能力對齊 所需能力必須由一個或多個有效證書滿足。 ## 6.2 空間對齊 站點、樣本、工具和安全區域必須在可行路徑上相遇。 ## 6.3 時間對齊 所有必要窗口必須有非空交集： $$ \bigcap_{r\in R_q} [t_r^-,t_r^+] \neq \varnothing. $$ ## 6.4 物料對齊 樣本、容器、工具與校準件必須處於正確保管和狀態。 ## 6.5 能源對齊 功率、能源品質、冷卻與熱預算同時成立。 ## 6.6 權限對齊 所有身體和區域租約有效，人工批准已完成。 ## 6.7 世界狀態對齊 依賴的世界紀元沒有失效。 ## 6.8 證據對齊 所需感測、校準和原始資料管線已準備。 ## 6.9 最弱環節 可以使用保守模型： $$ A_q = \min_k a_{q,k}. $$ 任一必要對齊維度為零，整項任務不可執行。 --- # 7. 協調稅 ## 7.1 定義 理想情況下， $n$ 個單位能力站點提供： $$ C_{\mathrm{ideal}}(n)=nC_1. $$ 實際： $$ C_{\mathrm{actual}}(n) = C_{\mathrm{ideal}}(n) - C_{\mathrm{coord}}(n). $$ 協調稅： $$ \tau_{\mathrm{coord}}(n) = \frac{ C_{\mathrm{coord}}(n) }{ C_{\mathrm{ideal}}(n) }. $$ ## 7.2 組成 $$ \begin{aligned} \tau_{\mathrm{coord}} ={}& \tau_{\mathrm{communication}} + \tau_{\mathrm{synchronization}} + \tau_{\mathrm{handoff}} \\ &+ \tau_{\mathrm{contention}} + \tau_{\mathrm{reconciliation}} + \tau_{\mathrm{safety}} \\ &+ \tau_{\mathrm{evidence}} + \tau_{\mathrm{recovery}}. \end{aligned} $$ ## 7.3 通訊稅 - 狀態回報； - 任務協商； - 世界模型更新； - 心跳； - 衝突解決。 在連線受限的多機器人系統中，全時通訊通常不現實。2026 年的事件觸發協調研究以任務和空間事件決定何時通信，報告通訊開銷可下降，同時保持協調性能。這支持「並非所有狀態都值得持續同步」。 ## 7.4 同步稅 - 等待較慢站點； - 共同起點； - 時鐘和世界紀元； - 共同行動窗口。 ## 7.5 交接稅 - 移動； - 保留； - 驗證； - 責任轉移； - 補償。 ## 7.6 爭用稅 共享： - 路徑； - 工具； - 儀器； - 電力； - 人工批准。 ## 7.7 狀態調和稅 中央與地方、分叉體、斷線站點之間需要比較並解決： - 位置； - 樣本； - 任務； - 權限； - 記憶。 ## 7.8 安全稅 - 速度降低； - 雙重確認； - 人員排除； - 本地互鎖； - 安全停機。 安全稅不是應消除的浪費，而是換取事故風險下降的成本。 ## 7.9 證據稅 - 校準； - 原始資料； - 影像； - 日誌； - 簽章； - 重複量測。 沒有證據稅，系統或許做得更快，但不能可靠驗證概念產品。 ## 7.10 恢復稅 - 備援； - 快照； - 重播； - 盤點； - 重排。 --- # 8. 有價值的協調與無效協調 ## 8.1 淨協調價值 定義： $$ V_{\mathrm{coord}} = \Delta R_{\mathrm{reliability}} + \Delta S_{\mathrm{safety}} + \Delta V_{\mathrm{evidence}} - C_{\mathrm{coord}}. $$ 若： $$ V_{\mathrm{coord}}>0, $$ 協調值得。 ## 8.2 過度同步 不是所有資料與站點都需要強同步。 SFRSN 已提出： > 只有語義上需要相遇的資料才應消耗對齊預算。 STDI 同樣應： - 安全與交接：強同步； - 排程與健康：有界過期； - 長期學習：最終一致； - 獨立實驗：弱同步。 ## 8.3 語義同步策略 $$ \operatorname{SyncClass}(q) \in \{ \text{hard}, \text{bounded}, \text{event-triggered}, \text{eventual}, \text{none} \}. $$ 對齊是昂貴資源，應由任務語義決定。 --- # 9. Amdahl 型具身加速界限 ## 9.1 不可平行比例 設任務中不可平行部分為 $s$ ，可平行部分為 $1-s$ 。 理想加速： $$ S_{\mathrm{ideal}}(n) = \frac{1}{ s+\frac{1-s}{n} }. $$ ## 9.2 加入協調與爭用 $$ S_{\mathrm{embodied}}(n) = \frac{1}{ s+\frac{1-s}{n} +\kappa(n) +\rho(n) +\phi(n) }. $$ 其中： - $\kappa(n)$ ：協調； - $\rho(n)$ ：共享資源爭用； - $\phi(n)$ ：失敗與恢復。 ## 9.3 物理串行區 不可平行部分可能包括： - 樣本固化； - 單一稀有儀器； - 人工批准； - 單一交接區； - 安全檢查； - 依序加工； - 結果驅動下一步。 ## 9.4 最佳站點數 當： $$ \frac{dS_{\mathrm{embodied}}}{dn} \leq 0, $$ 增加站點不再提高能力。 最佳規模： $$ n^\star = \arg\max_n S_{\mathrm{embodied}}(n). $$ 因此，系統可能存在「增加機器反而更慢」的區域。 --- # 10. 排程容量與時間窗 ## 10.1 任務需求 任務 $q$ ： $$ q = \left( r_q, [d_q^-,d_q^+], \ell_q, v_q, p_q \right), $$ 其中： - $r_q$ ：資源與能力需求； - $[d_q^-,d_q^+]$ ：時間窗； - $\ell_q$ ：持續時間； - $v_q$ ：價值； - $p_q$ ：成功概率。 ## 10.2 有效吞吐 在區間 $[0,T]$ ： $$ \Theta_{\mathrm{effective}}(T) = \frac{ \sum_{q\in Q_{\mathrm{verified}}(T)}v_q }{ T }. $$ 只計入： - 完成； - 驗證； - 未被撤銷； - 證據完整； 的任務。 ## 10.3 排程可行率 $$ \eta_{\mathrm{sched}} = \frac{ |Q_{\mathrm{aligned}}| }{ |Q_{\mathrm{requested}}| }. $$ ## 10.4 鬆弛量 任務鬆弛： $$ \sigma_q = d_q^+ - d_q^- - \ell_q - T_{\mathrm{transfer}} - T_{\mathrm{verify}}. $$ $\sigma_q$ 越小，對齊越困難。 --- # 11. 異質性：不是缺點，也不是免費能力 ## 11.1 異質能力擴大聯集 不同站點可以提供： - 移動； - 精密抓取； - 成像； - 熱； - 化學； - 算力。 ## 11.2 異質性提高轉譯成本 需要： - 不同 adapter； - 不同控制頻率； - 不同錯誤模式； - 不同能力證書； - 不同維護。 ## 11.3 異質價值條件 新增站點 $N_j$ 的邊際價值： $$ \Delta V_j = \Delta C_{\mathrm{unique}} + \Delta R_{\mathrm{resilience}} + \Delta O_{\mathrm{coverage}} - \Delta C_{\mathrm{coord}} - \Delta C_{\mathrm{integration}}. $$ 若 $\Delta V_j\leq0$ ，不應為「多一種身體」而加入。 ## 11.4 車隊設計本身是最佳化問題 研究已將異質車隊選型、任務配置、時間窗和預算共同建模，並指出精確 MILP 在規模增長時可擴展性有限，需要啟發式或 Large Neighbourhood Search。這支持 OSF 在採購與架構階段就應評估站點組合，而不是先買設備再尋找用途。 --- # 12. 失效域與爆炸半徑 ## 12.1 獨立故障與共同故障 若站點故障獨立，增加站點可提升韌性。 若共享： - 電力； - 網路； - 世界模型； - 中央策略； - 單一工具； 則可能形成共同失效。 ## 12.2 失效域 定義： $$ F_k = \left\{ N_i \mid \operatorname{fail}(r_k) \Rightarrow \operatorname{degrade}(N_i) \right\}. $$ ## 12.3 爆炸半徑 $$ B(r_k) = \sum_{N_i\in F_k} w_i. $$ 中央化可以降低協調稅，但提高某些故障的爆炸半徑。 ## 12.4 容量與韌性不能用同一數字 應分別報告： - 正常吞吐； - 降級吞吐； - 單故障後能力； - 平均恢復時間； - 最大失效域。 --- # 13. 中央、地方與動態不動點 ## 13.1 中央化 優點： - 全局資訊； - 較少協商； - 較容易證據與治理。 缺點： - 延遲； - 單點失效； - 擴展壓力。 ## 13.2 地方自治 優點： - 快速反應； - 斷線能力； - 降低中央負載。 缺點： - 狀態分歧； - 重複工作； - 局部最優； - 權限漂移。 ## 13.3 混合式 近期多機器人時間邏輯研究使用： - 高階集中配置； - 低階地方控制； - 線上通信同步； 處理重複任務與延遲，並在九台實體機器人與更大模擬規模上驗證適應性。這支持 STDI 的「中央策略＋地方執行＋事件觸發同步」。 ## 13.4 動態不動點中央 遠期可根據： - 資訊完整； - 延遲； - 信任； - 故障； - 任務耦合； 動態選擇治理中心。 但中心漂移本身也產生協調稅，不能假設免費。 --- # 14. 容量會計規則 ## 規則一：不把裝設數量當有效能力 報告必須列四層容量。 ## 規則二：已計入的能力不得重乘 若單站吞吐已包含多工具或多相機並行，不得再次以工具數乘算。 ## 規則三：共享瓶頸取最小截面 串聯系統能力： $$ C_{\mathrm{pipeline}} \leq \min_i C_i. $$ ## 規則四：備援與吞吐分開 備援主要增加可靠度，不自動增加正常吞吐。 ## 規則五：不可替代的異質能力不做標量相加 一台顯微鏡與一台移動機器人的能力不能直接寫成「2 個能力單位」。 ## 規則六：物理完成但證據失敗，不計入驗證容量 ## 規則七：等待不是設備能力 大量排隊中的設備不表示大量可用能力。 ## 規則八：安全限制是容量邊界 不能把取消安全後的理論吞吐當合法容量。 ## 規則九：按任務族報告 同一站網對： - 獨立任務； - 弱耦合任務； - 強耦合任務； 的容量完全不同。 ## 規則十：報告協調稅與邊際收益 每新增一個站點都應量測： $$ \Delta C_{\mathrm{effective}} \quad\text{與}\quad \Delta\tau_{\mathrm{coord}}. $$ --- # 15. 有效驗證容量 ## 15.1 研究能力不等於動作吞吐 定義物理完成量： $$ C_{\mathrm{action}}. $$ 定義證據完整量： $$ C_{\mathrm{verified}}. $$ 通常： $$ C_{\mathrm{verified}} \leq C_{\mathrm{action}}. $$ ## 15.2 驗證折扣 $$ \eta_{\mathrm{verify}} = \frac{ C_{\mathrm{verified}} }{ C_{\mathrm{action}} }. $$ ## 15.3 有效研究容量 $$ C_{\mathrm{research}} = C_{\mathrm{action}} \cdot \eta_{\mathrm{verify}} \cdot \eta_{\mathrm{reproducible}} \cdot \eta_{\mathrm{relevant}}. $$ 其中： - $\eta_{\mathrm{reproducible}}$ ：可重現； - $\eta_{\mathrm{relevant}}$ ：結果對假說有實際資訊價值。 做了一萬次沒有校準或不能區分假說的動作，不代表高研究能力。 --- # 16. 第一個容量模型實驗 ## 16.1 目的 量測站點數量從 $1,2,4,8$ 增加時： - 裝設容量； - 可用容量； - 可對齊容量； - 有效容量； - 協調稅； 如何變化。 ## 16.2 任務族 ### T1：獨立觀測 多個樣本各自成像。 ### T2：弱耦合搬運與量測 移動站將樣本送至不同量測站。 ### T3：強耦合交接 兩個身體在同一交接區完成樣本轉移。 ### T4：聯盟搬運 兩個或多個身體共同移動大物體。 ### T5：證據密集任務 每個步驟要求校準、原始數據、影像和保管證據。 ## 16.3 控制變量 - 相同任務總量； - 相同站點能力； - 相同區域； - 相同能源； - 相同安全； - 相同證據要求。 ## 16.4 指標 - 任務完成時間； - 等待； - 通訊量； - 同步次數； - 交接失敗； - 路徑衝突； - 能源峰值； - 人工介入； - 證據完整； - 恢復時間。 --- # 17. MVP：Embodied Alignment Benchmark ## 17.1 軟體 - OSF 模擬站網； - DomainIR； - SPR Scheduler； - Open-RMF 或等價交通層； - ROS 2 模擬； - Event／Evidence Journal； - 故障注入器。 ## 17.2 物理 - 兩台移動平台； - 一個固定機械臂； - 一個量測站； - 一個交接區； - 一個共享充電或通道瓶頸。 ## 17.3 實驗矩陣 ```text 站點數：1 / 2 / 4 / 8 耦合：獨立 / 弱 / 強 / 聯盟 同步：全時 / 有界 / 事件觸發 / 最終 故障：無 / 單站 / 網路 / 共享資源 證據：低 / 標準 / 高 ``` ## 17.4 輸出 - Capacity Report； - Coordination Tax Breakdown； - Alignment Failure Matrix； - Scaling Curve； - Failure Domain Map； - Evidence Discount。 --- # 18. 可證偽命題 ## H1：站點數與有效容量不是線性關係 在弱耦合及強耦合任務中， $C_{\mathrm{effective}}(n)$ 應呈現遞減邊際收益。 ## H2：獨立任務接近線性，強耦合任務較早飽和 若兩者曲線完全相同，對齊分類沒有解釋力。 ## H3：事件觸發同步可降低通訊稅 在不影響關鍵安全與交接的前提下，事件觸發應比全時同步減少通訊。 ## H4：證據要求降低表面吞吐，但提高有效驗證率 若高證據模式不降低動作吞吐，可能代表證據成本未被真實計入。 ## H5：共享瓶頸會使新增站點失去邊際價值 當路徑、儀器或能源飽和後，新增站點可能只增加排隊與協調。 ## H6：局部自治在斷線時提高能力，在一致性任務中可能增加調和稅 地方自治不是單向增益。 ## H7：能力重複計數會系統性高估容量 以站點數或標稱吞吐計算的預測，應高於實測有效容量。 ## H8：存在任務相關的最佳站點數 $n^\star$ 對至少部分強耦合任務，增加節點超過 $n^\star$ 後應不再增益，甚至退化。 --- # 19. 主要限制 ## 19.1 能力難以壓縮成單一數字 本文建議使用能力向量和任務族，而不是唯一「具身算力」。 ## 19.2 協調稅分解可能重疊 等待可能同時來自同步、爭用和安全，需要統一會計規則。 ## 19.3 任務價值具有主觀性 不同研究計畫對結果價值不同。 ## 19.4 模擬和現實差距 真實設備故障、摩擦、人類介入和網路抖動會改變曲線。 ## 19.5 大型系統的精確最佳化不可擴展 需採階層、啟發式和滾動規劃。 ## 19.6 對齊要求可能動態變化 同一任務在不同階段有不同同步級別。 ## 19.7 安全和倫理不能被折算成純吞吐 不能因提高容量而取消不可違反的限制。 --- # 20. 不能宣稱的內容 本篇不主張： - 站點越多能力越大； - 所有具身能力可以換算成同一單位； - 協調稅可以完全消除； - 所有同步都應分散化或事件觸發； - Amdahl 型公式能精確描述所有物理系統； - 故障彼此獨立； - 備援設備可以同時計入吞吐增益； - 物理動作完成等於研究驗證完成； - 對齊是唯一瓶頸； - 中央治理必然優於地方自治； - 動態不動點中央沒有切換成本； - 模擬得到的規模曲線可直接代表實驗室； - 機器人數量可以作為自主研究能力的代理指標。 --- # 21. 與後續系列的關係 本文建立容量與對齊理論後，下一篇將專門處理： > 當中央超靈、地方 Agent 和多個治理節點都有決策能力時，誰擁有什麼主權？如何在失聯、衝突和多中心狀態下收斂？ 因此第 7 篇為： # 《中央主權、地方自治與動態不動點中央》 將深入建立： - Authority Lattice； - Local Veto； - Delegation Boundary； - Consensus／Commit； - Split-Brain； - Dynamic Center Election； - Governance Epoch； - Responsibility Partition； - 多 AI 衝突和收斂。 --- # 22. 結論 分布式具身系統最大的幻覺，是把「身體很多」誤認為「能力很大」。 真實容量至少經過四層折扣： $$ C_{\mathrm{installed}} \geq C_{\mathrm{available}} \geq C_{\mathrm{aligned}} \geq C_{\mathrm{effective}}. $$ 站點只有在： - 正常； - 校準； - 有工具； - 有物料； - 有能源； - 有權限； - 有正確世界狀態； - 能在任務窗口相遇； - 能完成證據； 時，才真正形成能力。 因此： $$ \boxed{ \text{具身} \neq \text{擁有一具硬體外殼} } $$ 而是： $$ \boxed{ \text{具身} = \text{在時空域中取得可觀測、可到達與可作用的位置} } $$ 同時： $$ \boxed{ \text{能力} \neq \text{站點數量} } $$ 而是： $$ \boxed{ \text{能力} = \text{被對齊、被交付、被驗證的作用量} } $$ 本文最終將「具身即佔域，對齊即能力」濃縮為： > 身體讓智能獲得物理位置；對齊讓位置轉化為共同作用；證據讓共同作用轉化為可信研究能力。 --- # 參考文獻與技術資料 1. Neo.K／Aletheia. **對齊即容量：飛行即定址架構的差分時序界限與分層排程.** EML-ODML-2026-v0.5. 2. Neo.K／Aletheia. **語義即路由：AI 資料中心的語義流站網與直連流時空間.** EML-SFRSN-2026-v0.1. 3. Neo.K／Aletheia. **語義即路由：從 O-Chip 維度代理人到 AI 資料中心語義流治理.** EML-SFRSN-2026-v0.2. 4. Notomista, G., Mayya, S., Hutchinson, S. and Egerstedt, M. **An Optimal Task Allocation Strategy for Heterogeneous Multi-Robot Systems.** arXiv:1903.08641, 2019. 5. Luo, X. and Zavlanos, M. M. **Temporal Logic Task Allocation in Heterogeneous Multi-Robot Systems.** arXiv:2101.05694, 2021. 6. Giacometti, Z. and Zhang, Y. **Allocation of Multi-Robot Tasks with Task Variants.** arXiv:2007.00777, 2020. 7. Wilde, N. and Alonso-Mora, J. **Designing Heterogeneous Robot Fleets for Task Allocation and Sequencing.** arXiv:2312.07234, 2023. 8. Nam, C. et al. **Heterogeneous Multi-Robot Task Allocation for Long-Endurance Missions in Dynamic Scenarios.** arXiv:2411.02062, revised 2025. 9. Liu, W., Majcherczyk, N. and Pecora, F. **Scalable Multi-Robot Task Allocation and Coordination under Signal Temporal Logic Specifications.** arXiv:2503.02719, 2025. 10. Lin, X. and Tron, R. **Adaptive Bi-Level Multi-Robot Task Allocation and Learning under Uncertainty with Temporal Logic Constraints.** arXiv:2502.10062, 2025. 11. Peron, D. et al. **Efficient Coordination and Synchronization of Multi-Robot Systems Under Recurring Linear Temporal Logic.** arXiv:2502.16531, 2025. 12. Aznar, F. et al. **Event-Triggered Adaptive Consensus for Multi-Robot Task Allocation with Communication Awareness.** arXiv:2604.06813, 2026. 13. Open Robotics. **Open-RMF demonstrations and multi-fleet traffic coordination.** https://github.com/open-rmf/rmf_demos 14. ROS 2. **Interfaces: Topics, Services and Actions.** https://docs.ros.org/en/ros2_documentation/rolling/Concepts/Basic/Interfaces-Topics-Services-Actions.html 15. ROS 2. **message_filters and time synchronization.** https://docs.ros.org/en/ros2_packages/kilted/api/message_filters/message_filters.html 16. Neo.K／Aletheia. **Oversoul Station Fabric：固定站、移動站與虛擬站的分布式具身網路.** 17. Neo.K／Aletheia. **持續性指揮控制區：AI 如何佔據、維持並安全解除一個物理時空域.** 18. Neo.K／Aletheia. **語義即物理路由：從資料流治理到物料、能源、站點與行動流治理.** --- # 附錄 A：容量報告模板 ```yaml capacity_report: domain_id: "" task_family: "" time_window: "" installed: stations: 0 capability_vector: {} available: stations: 0 unavailable_reasons: {} aligned: feasible_coalitions: 0 limiting_alignment_dimensions: [] effective: verified_tasks: 0 value_per_hour: 0 coordination_tax: communication: 0 synchronization: 0 handoff: 0 contention: 0 reconciliation: 0 safety: 0 evidence: 0 recovery: 0 shared_bottlenecks: [] failure_domains: [] evidence_discount: 0 ``` --- # 附錄 B：Alignment Requirement ```yaml alignment_requirement: task_id: "" capability: required: [] coalition_allowed: true space: zones: [] co_location_required: false time: window: null synchronization_class: "bounded" maximum_skew: null material: objects: [] custody_required: true energy: power_profile: null cooling_required: null authority: leases: [] human_approval: false world: epoch: "" freshness_requirements: {} evidence: required: [] ``` --- # 附錄 C：協調稅事件 ```yaml coordination_event: id: "" task_id: "" category: "communication | synchronization | handoff | contention | reconciliation | safety | evidence | recovery" started_at: "" ended_at: "" affected_stations: [] affected_resources: [] value_protected: "" avoidable: null evidence: [] ``` --- # 附錄 D：規模曲線實驗 ```yaml scaling_experiment: task_family: "" station_counts: [1, 2, 4, 8] coupling: - independent - weak - strong - coalition synchronization: - continuous - bounded - event_triggered - eventual failure_modes: - none - single_station - network_partition - shared_resource metrics: - installed_capacity - available_capacity - aligned_capacity - effective_capacity - coordination_tax - verified_throughput - recovery_time ``` --- # 附錄 E：系列血緣 ```text ODML 聚合容量 ≠ 可對齊容量 ↓ SFRSN 只有語義需要相遇的流才消耗對齊預算 ↓ OSF 異質固定、移動、儀器與虛擬站點 ↓ PCD 跨時間維持狀態、義務和權限 ↓ SPR 意圖編譯成物料、能源、行動與證據流 ↓ 本篇 計算站點數量如何轉化為可對齊、有效且可信的能力 ↓ 第 7 篇 決策權如何在中央、地方與動態中心之間配置 ```