# 關係不是兩個點：關係相空間、互動軌跡與斷裂—修復動力學

**系列：** 人機關係認知系列（Human–AI Relational Cognition Series）  
**作者：** Neo.K  
**機構：** EveMissLab／一言諾科技有限公司  
**篇次：** 4 / 10  
**版本：** v0.1  
**日期：** 2026-08-21  
**類型：** 理論／形式化認知心理學、社會互動動力學與 HCI 論文  
**研究狀態：** 初始正式稿  

## 摘要

若人類能把 $A\leftrightarrow B$ 本身視為認知觀察對象，下一個問題就不應只是「關係是否存在」，而應是「關係如何隨互動演化」。本文提出「關係相空間」（Relational Phase Space, RPSpace）與「關係軌跡」（Relational Trajectory, RT）模型，把雙方互動表示為多維狀態向量：

$$
\mathbf r_t
=
(
q_t,
c_t,
s_t,
i_t,
a_t,
v_t,
d_t,
b_t,
m_t,
\dots
),
$$

其中可包含 reciprocity、contingency、synchrony、initiative、agency balance、valence、distance、breakdown/repair、memory continuity 等維度。關係不是一個固定標籤，而是一條在狀態空間中展開的軌跡：

$$
\gamma_R:t\mapsto\mathbf r_t.
$$

本文進一步區分關係位置、關係速度、關係加速度、穩定區域、吸引域、暫態、斷裂與修復。這些概念不是宣稱人際關係必然服從單一物理方程，而是提供一組可操作的動力系統語言，使研究者可以將「最近變近了」、「互動突然變冷」、「經歷衝突後重新恢復」、「很久不互動但關係仍穩定」等日常描述轉換成可檢驗的狀態轉移假說。

既有 coordination-dynamics 與 two-body research 已顯示，社會互動可以被分析為兩個相互耦合系統形成的時空動力結構；系統綜述也顯示 interpersonal coordination 不能被簡化為單一 synchrony 指標。2024 年關於 psychotherapy alliance rupture/repair 的系統綜述則指出，movement、vocalization、heart rate、facial expression 與 physiological arousal 等多種互動訊號會隨斷裂與修復而改變。這些研究支持「關係應被建模為多維動態過程」，但也要求避免把同步、接近或某個單一座標直接等同於關係品質。

本文最後將模型擴展至 human–AI interaction，提出對話式 AI 特別適合採用 turn-indexed relational dynamics：

$$
\mathbf r_{n+1}
=
F(
\mathbf r_n,
H_n,
A_n,
C_n,
M_n,
\epsilon_n
),
$$

其中 $n$ 是互動輪次。這使人機關係成為少數可以被逐輪、逐事件高解析度記錄的關係動力系統之一，並為後續的「狀態錨定型」與「過程錨定型」關係認知提供形式化基礎。

**關鍵詞：** 關係相空間、關係軌跡、互動動力學、coordination dynamics、synchrony、rupture、repair、dyadic interaction、人機關係、AI

---

## 1. 關係不應只被寫成一個標籤

傳統問卷與日常語言經常把關係壓縮為：

$$
R\in
\{
\text{stranger},
\text{acquaintance},
\text{friend},
\text{partner},
\dots
\}.
$$

這種表示非常有用，但它會丟失過程資訊。

兩組人都可以被標記為：

$$
R=\text{friend},
$$

但第一組可能：

- 最近互動越來越頻繁；
- 主動性變得對稱；
- 誤解後快速修復；
- 共同活動增加。

第二組則可能：

- 回應逐漸變少；
- 互惠下降；
- 多次出現未修復中斷；
- 雙方仍保留「朋友」標籤但幾乎沒有互動。

所以：

$$
R_{\text{label}}
$$

不能完整描述：

$$
R_{\text{process}}.
$$

本文的基本立場是：

$$
\boxed{
\text{relationship state}
\neq
\text{relationship label}.
}
$$

---

## 2. 關係相空間

設在時間 $t$，一段 dyadic relation 的狀態向量為：

$$
\mathbf r_t
=
(
q_t,
c_t,
s_t,
i_t,
a_t,
v_t,
d_t,
b_t,
m_t
).
$$

其中可以暫時定義：

- $q_t$：reciprocity，互惠程度；
- $c_t$：contingency，雙方行為是否彼此條件化；
- $s_t$：synchrony / temporal coordination，時間同步或節奏協調；
- $i_t$：initiative balance，主動發起的分配；
- $a_t$：agency balance，誰在決定互動方向；
- $v_t$：interaction valence，互動整體正負效價；
- $d_t$：social / interactional distance；
- $b_t$：breakdown–repair state；
- $m_t$：continuity / shared-history accessibility。

所有可能狀態構成：

$$
\mathcal R
\subseteq
\mathbb R^k.
$$

本文稱：

$$
\boxed{
\mathcal R=\text{Relational Phase Space}.
}
$$

一段具體關係在其中的位置為：

$$
\mathbf r_t\in\mathcal R.
$$

需要強調：

$$
k
$$

沒有理由固定。

不同研究可以使用不同的 minimal state vector。

因此：

$$
\mathcal R_{\text{friendship}},
\quad
\mathcal R_{\text{therapy}},
\quad
\mathcal R_{\text{human-AI}}
$$

不必具有完全相同的座標。

---

## 3. 從關係點到關係軌跡

若只測一次：

$$
\mathbf r_{t_0},
$$

仍然只是截圖。

真正的關係動力是：

$$
\gamma_R
=
\{
\mathbf r_t
\mid
t\in[0,T]
\}.
$$

因此定義：

$$
\boxed{
\gamma_R:t\mapsto\mathbf r_t
}
$$

為 **Relational Trajectory**。

這樣：

> 「關係變近了」

可以理解為：

$$
\gamma_R
$$

沿某些與接近、互惠或共同活動相關的方向移動。

而：

> 「關係標籤沒變，但互動不一樣了」

則表示：

$$
R_{\text{label}}(t_1)
=
R_{\text{label}}(t_2)
$$

但：

$$
\mathbf r_{t_1}
\neq
\mathbf r_{t_2}.
$$

這個區分非常重要。

---

## 4. 關係速度與關係加速度

若時間近似連續，可以定義：

$$
\mathbf v_R(t)
=
\frac{d\mathbf r}{dt}.
$$

本文稱其為 **relational velocity**。

它回答：

> 關係狀態正在往哪個方向變？

例如：

$$
\frac{dq}{dt}>0
$$

可以表示互惠程度正在上升。

但比位置更有趣的可能是：

$$
\mathbf a_R(t)
=
\frac{d^2\mathbf r}{dt^2},
$$

也就是 **relational acceleration**。

例如：

一段關係的親密度仍然很高：

$$
d_t\ll1,
$$

但：

$$
\frac{dd_t}{dt}>0
$$

且：

$$
\frac{d^2d_t}{dt^2}>0.
$$

這代表：

> 關係目前仍近，但正在加速疏遠。

因此只測當下狀態可能會錯過未來方向。

這對人類的主觀感受也很重要。

有時人說：

> 「現在其實還沒怎樣，但感覺不對。」

可能讀取的不是：

$$
\mathbf r_t
$$

而是：

$$
\frac{d\mathbf r}{dt}.
$$

甚至：

$$
\frac{d^2\mathbf r}{dt^2}.
$$

---

## 5. 但社會互動不一定適合純連續時間

人類關係具有：

- 連續的具身互動；
- 離散訊息；
- 事件；
- 見面；
- 沉默期；
- 突然衝突；
- 長時間沒有觀察值。

所以更一般的模型應允許 hybrid dynamics。

設互動事件索引為：

$$
n=1,2,\dots,N.
$$

則可寫：

$$
\mathbf r_{n+1}
=
F(
\mathbf r_n,
e_n,
\mathbf x_n,
\epsilon_n
),
$$

其中：

- $e_n$：第 $n$ 個 interaction event；
- $\mathbf x_n$：context；
- $\epsilon_n$：不可觀察或隨機因素。

這時真正的「時間」不一定是鐘錶時間。

可能更有解釋力的是：

$$
\tau=n,
$$

也就是 **interaction time**。

例如兩個人：

$$
30\text{ days}
$$

沒有互動。

在 physical time 上：

$$
\Delta t=30\text{ days},
$$

但 interaction time 上：

$$
\Delta\tau=0.
$$

這個區分後面會直接連到狀態錨定型關係。

---

## 6. Coordination Dynamics 提供了什麼？

Coordination Dynamics 研究長期主張，兩個互相感知、互相影響的系統可以形成超越個體單獨行為的 coordination patterns。

在人際研究中：

$$
A
\leftrightarrow
B
$$

可以透過：

- movement；
- timing；
- gaze；
- speech；
- physiology；
- neural signals；

形成耦合結構。

相關研究常使用 dynamical systems、self-organization、coupling、entrainment、synchrony 與 attractor 等語言。

但本文不直接把所有人際關係套入 HKB model。

較安全的借用方式是：

$$
\boxed{
\text{social interaction may exhibit stable and unstable regions in state space}.
}
$$

也就是說，某些互動模式可能容易重複出現：

- 一方主導、一方配合；
- 高互惠合作；
- 高衝突—高修復；
- 長時間低互動但標籤穩定；
- 高同步共同活動。

這些都可以暫時視為：

$$
\text{recurrent relational regimes}.
$$

---

## 7. 關係吸引域

若系統經常回到某一組狀態，可以定義一個概念性吸引域：

$$
\mathcal A_R
\subset
\mathcal R.
$$

例如，一對合作多年的夥伴可能在短暫衝突後：

$$
\mathbf r_t
\rightarrow
\mathbf r_{\text{conflict}}
$$

但很快：

$$
\mathbf r_{t+k}
\rightarrow
\mathcal A_{\text{cooperative}}.
$$

這時最重要的不是：

> 有沒有發生衝突？

而是：

$$
\boxed{
\text{衝突後系統會往哪裡回去？}
}
$$

所以關係穩定性不能被簡化成：

$$
Var(\mathbf r_t)\approx0.
$$

一段非常健康、活躍的關係可以有很大波動：

$$
Var(\mathbf r_t)\gg0,
$$

但仍具有強恢復性。

因此：

$$
\boxed{
\text{stability}
\neq
\text{low variability}.
}
$$

更有用的可能是：

$$
\text{return probability},
$$

$$
\text{return time},
$$

以及：

$$
\text{basin resilience}.
$$

---

## 8. Rupture 不是單純「狀態很差」

設某段關係具有常態區域：

$$
\mathcal N_R.
$$

若軌跡突然離開：

$$
\mathbf r_t\notin\mathcal N_R,
$$

可以暫時定義為：

$$
\boxed{
\text{relational rupture candidate}.
}
$$

但是 rupture 不應只等於：

$$
v_t<0.
$$

因為：

- 激烈討論不一定是 rupture；
- 不同步不一定是 rupture；
- 暫時疏離不一定是 rupture；
- conflict 甚至可能強化關係。

真正重要的是：

$$
\text{deviation}
+
\text{meaning}
+
\text{failed coordination}
+
\text{persistence}.
$$

因此可以寫：

$$
Rupture_t
=
g(
D_t,
P_t,
C_t,
M_t
),
$$

其中：

- $D_t$：偏離常態程度；
- $P_t$：偏離持續時間；
- $C_t$：coordination breakdown；
- $M_t$：對關係意義的影響。

---

## 9. Repair 是軌跡，不是一個「道歉」事件

同理：

$$
\text{apology}
\neq
\text{repair}.
$$

道歉只是一個事件。

Repair 應該是：

$$
\mathbf r_t
\rightarrow
\mathbf r_{t+1}
\rightarrow
\dots
\rightarrow
\mathcal N_R
$$

或進入新的可接受穩定區：

$$
\mathcal N_R'.
$$

所以：

$$
\boxed{
\text{repair is a successful relational trajectory transition}.
}
$$

這和 2024 年 psychotherapy rupture/repair systematic review 的結果相容：movement、heart rate、vocalization、facial expression、physiological arousal 等 coordination dynamics 都可能在 rupture/repair episode 中改變。

也就是說：

$$
Repair
$$

具有多模態動態結構，而不是單一句語言標記。

---

## 10. 不要把 synchrony 寫成「關係品質分數」

Synchrony 是 social interaction research 中非常常見的指標。

但：

$$
s_t\uparrow
\not\Rightarrow
R_{\text{quality}}\uparrow
$$

不能被當成普遍定律。

理由包括：

- 任務可能要求互補而非同步；
- 衝突中的兩人也可能高度同步；
- 過度同步可能降低個體自主性；
- 高品質合作可包含輪替與非同步；
- 不同 modality 的 synchrony 可能方向不同。

2021 年 spontaneous interpersonal coordination systematic review 特別指出，研究領域存在定義、指標與 paradigm 高度異質的問題，因此 interpersonal coordination 應被理解為複雜 dynamical process，而非單一正向社會指標。

所以本文只把：

$$
s_t
$$

放在：

$$
\mathbf r_t
$$

中作為一個座標。

它的意義必須依：

$$
context
$$

與：

$$
task
$$

決定。

---

## 11. 多穩態與關係模式切換

同一段關係可能具有多個穩定模式：

$$
\mathcal A_1,
\mathcal A_2,
\dots,
\mathcal A_k.
$$

例如兩位同事可能同時具有：

$$
\mathcal A_{\text{formal work}},
$$

以及：

$$
\mathcal A_{\text{informal friendship}}.
$$

不同 context 會使系統切換：

$$
\mathcal A_i
\rightarrow
\mathcal A_j.
$$

所以一個人可以在：

> 工作會議

表現為極度正式；

但在：

> 私下聊天

立即切到高玩笑、高互惠模式。

這不代表人格不一致。

而可能是：

$$
\boxed{
\text{context-conditioned multistability}.
}
$$

---

## 12. 關係路徑依賴

如果：

$$
\mathbf r_t
$$

只依賴當前輸入，關係就是 Markovian。

但現實常不是如此。

同一句話：

> 「你怎麼又這樣？」

在第一次發生時與第十次發生時，意義不同。

因此：

$$
P(
\mathbf r_{t+1}
\mid
\mathbf r_t,e_t
)
$$

往往不足。

更合理的是：

$$
P(
\mathbf r_{t+1}
\mid
\mathbf r_t,
H_{1:t},
e_t
),
$$

其中：

$$
H_{1:t}
$$

是 interaction history。

因此關係具有：

$$
\boxed{
\text{path dependence}.
}
$$

同一個當前狀態：

$$
\mathbf r_t
$$

若由不同歷史到達，未來軌跡可能不同。

---

## 13. 關係遲滯

Path dependence 進一步導出 hysteresis。

例如：

一段關係從：

$$
trust=0.9
$$

因背叛下降到：

$$
trust=0.3.
$$

即使之後提供與原先相同程度的正向互動：

$$
input=I_0,
$$

也不一定能恢復：

$$
trust=0.9.
$$

因此：

$$
\boxed{
F_{\text{forward}}
\neq
F_{\text{return}}.
}
$$

也就是：

> 走回原來的外部條件，不等於回到原來的關係狀態。

這是關係動力學非常重要的非對稱性。

---

## 14. 對人類主觀認知的意義：人可能在讀位置，也可能在讀導數

回到第三篇的關係觀察算子：

$$
O_R.
$$

現在可以進一步區分：

### 位置型觀察

$$
O_R^{(0)}
=
O_R(\mathbf r_t).
$$

回答：

> 「我們現在在哪裡？」

### 速度型觀察

$$
O_R^{(1)}
=
O_R\left(
\frac{d\mathbf r}{dt}
\right).
$$

回答：

> 「我們正在往哪裡變？」

### 加速度型觀察

$$
O_R^{(2)}
=
O_R\left(
\frac{d^2\mathbf r}{dt^2}
\right).
$$

回答：

> 「變化是不是正在加速？」

這提供了一種更精確的方法去理解：

> 「我沒有辦法說出哪裡不對，但關係就是好像變了。」

對方可能不是在讀絕對狀態，而是在讀：

$$
\Delta\mathbf r_t.
$$

---

## 15. Human–AI interaction 特別適合 turn-indexed phase space

人際關係很難完整記錄。

對話式 AI 則不同。

我們天然具有：

$$
n=1,2,\dots,N
$$

的 turn index。

因此可以寫：

$$
\mathbf r_{n+1}
=
F(
\mathbf r_n,
H_n,
A_n,
C_n,
M_n,
\epsilon_n
),
$$

其中：

- $H_n$：human action；
- $A_n$：AI response；
- $C_n$：context；
- $M_n$：memory / model state available to interaction；
- $\epsilon_n$：未觀察因素。

這裡的：

$$
\mathbf r_n
$$

不需要宣稱 AI 有主觀關係感。

它只描述：

$$
\boxed{
\text{observable and inferred interaction state}.
}
$$

因此即使維持本體中立，人機關係仍可被動力化研究。

---

## 16. AI 中的 rupture / repair 可以高度解析度觀察

例如使用者原本與 AI 具有：

$$
\mathcal A_{\text{collaborative}}.
$$

某一輪 AI：

- 忘記重要背景；
- 突然改變語氣；
- 拒絕先前可處理的任務；
- 錯誤理解長期角色；
- 重複已修正錯誤。

則：

$$
\mathbf r_n
\rightarrow
\mathbf r_{n+1}
$$

可能出現大幅跳變。

使用者接著：

> 「你怎麼突然變成這樣？」

這可以被視為：

$$
Rupture\ Detection.
$$

如果 AI 接著：

- 承認錯誤；
- 正確重建語境；
- 說明限制；
- 恢復原有協作節奏；

那麼：

$$
\mathbf r_{n+k}
\rightarrow
\mathcal A_{\text{collaborative}}
$$

可能構成 repair。

但若 AI 只是說：

> 「抱歉。」

卻繼續犯同一錯誤：

$$
\mathbf r_{n+k}
\not\rightarrow
\mathcal A_{\text{collaborative}},
$$

則：

$$
\boxed{
\text{linguistic apology without trajectory recovery}
\neq
\text{repair}.
}
$$

---

## 17. 關係軌跡與模型更新必須分開

AI 有一個特殊 confound：

$$
\Delta\mathbf r_n
$$

可能不是由「雙方關係」產生，而是由：

- backend model replacement；
- memory truncation；
- system-prompt update；
- policy update；
- tool failure；
- routing；
- context compression；

造成。

因此需要分離：

$$
\mathbf z_n
=
\text{platform/model latent state}
$$

與：

$$
\mathbf r_n
=
\text{interaction state}.
$$

可寫：

$$
\mathbf r_{n+1}
=
F(
\mathbf r_n,
H_n,
A_n,
\mathbf z_n
).
$$

使用者只能直接看到：

$$
\mathbf r_n,
$$

但不知道：

$$
\mathbf z_n.
$$

因此：

$$
\boxed{
\text{observed relational discontinuity}
\neq
\text{evidence of AI internal attitude change}.
}
$$

這是 human–AI relational dynamics 必須加入的因果辨識問題。

---

## 18. 可檢驗假說

### H1：軌跡優於單點假說

相比只使用：

$$
\mathbf r_t,
$$

加入：

$$
\Delta\mathbf r_t
$$

與近期歷史應更能預測主觀關係評價：

$$
PredictivePower(
\mathbf r_t,\Delta\mathbf r_t,H
)
>
PredictivePower(
\mathbf r_t
).
$$

### H2：恢復性獨立假說

關係品質不能只由變異程度解釋。

即使：

$$
Var(\mathbf r_t)
$$

很高，只要 repair probability 與 return tendency 高，主觀穩定性仍可能高。

### H3：rupture 多模態假說

Rupture episode 應同時改變多個 relation coordinates，而不是只改變 valence：

$$
Rupture
\Rightarrow
\Delta
(
c,q,s,b,\dots
)\neq0.
$$

### H4：repair 軌跡假說

真正的 repair 應能預測：

$$
\mathbf r_{t+k}
$$

重新接近原 attractor 或新的穩定區，而不只是預測當下 apology rating。

### H5：path-dependence 假說

相同事件：

$$
e_t=e
$$

在不同歷史：

$$
H^{(1)}\neq H^{(2)}
$$

下，產生的：

$$
\Delta\mathbf r_t
$$

不同。

### H6：interaction-time 假說

對某些關係類型：

$$
\Delta \tau
$$

比：

$$
\Delta t
$$

更能預測關係狀態更新。

### H7：AI hidden-state confound 假說

若控制 platform/model update：

$$
\mathbf z_n,
$$

部分看似「關係突然惡化」的變異應顯著下降。

---

## 19. 最小實驗設計

### 19.1 三時間點設計

不只問：

$$
R_{t_2}.
$$

而是同時估計：

$$
\mathbf r_{t_1},
\quad
\mathbf r_{t_2},
\quad
\mathbf r_{t_3}.
$$

以重建：

$$
\Delta\mathbf r.
$$

### 19.2 Rupture–Repair manipulation

建立：

1. baseline；
2. controlled rupture；
3. apology-only；
4. functional repair；
5. no repair。

比較：

$$
\gamma_R.
$$

如果 apology-only 和 functional-repair 的主觀效果不同，便支持：

$$
\text{repair}
\neq
\text{repair language}.
$$

### 19.3 Human–AI longitudinal logs

在取得知情同意與隱私保護後，只保留匿名化 relation features：

$$
\mathbf r_n
$$

而不一定保留完整原始文字。

可分析：

- dwell time；
- transition probability；
- recurrence；
- rupture frequency；
- repair latency；
- state persistence。

這會比只分析 sentiment 更接近關係動力學。

---

## 20. 與第五、六篇的接口：狀態錨定與過程錨定

本篇建立：

$$
\gamma_R.
$$

下一步就能正式問：

> 不同的人，是不是以不同方式使用這條軌跡？

一類人可能主要依靠：

$$
R_{\text{stored}}
$$

也就是穩定的 entity / relationship representation。

即使：

$$
\Delta\tau=0
$$

很久，也不認為關係消失。

另一類人可能更依靠：

$$
\mathbf r_{t-k:t}
$$

持續更新關係估計。

可以先寫：

$$
\widehat R_t
=
(1-\eta_R)\widehat R_{t-1}
+
\eta_R E_t.
$$

其中：

$$
\eta_R
$$

就是後續要研究的：

$$
\boxed{
\text{relationship update sensitivity}.
}
$$

因此本篇的相空間模型會直接成為第五篇「狀態錨定型關係」與第六篇「過程錨定型關係」的共同底層。

---

## 21. 理論邊界

本文不主張：

$$
\text{human relationship}
=
\text{deterministic physical system}.
$$

本文使用 phase space、trajectory、attractor、velocity 等語言，是為了建立可測量的形式化框架。

真實關係可能具有：

- stochasticity；
- hidden variables；
- discontinuity；
- reflexivity；
- self-report effects；
- cultural dependence；
- model-dependent state definitions。

因此：

$$
\gamma_R
$$

不是「真實關係本體」。

它是：

$$
\boxed{
\text{a model of relational observables and inferred states}.
}
$$

其次，本文不主張 synchrony 越高越好。

任何單一變量都不應被直接當成 relationship quality。

真正應研究的是：

$$
\boxed{
\text{configuration}
+
\text{trajectory}
+
\text{context}.
}
$$

---

## 22. 結論

如果關係可以被觀察：

$$
O_R(A\leftrightarrow B),
$$

那麼研究下一步就不應停在：

> 「這是一段什麼關係？」

而應進一步問：

> 「它現在在哪裡？」

> 「它正在往哪裡走？」

> 「變化正在加速嗎？」

> 「它有沒有離開原本穩定區？」

> 「中斷之後能不能回來？」

因此本文提出：

$$
\boxed{
\mathcal R
=
\text{Relational Phase Space}
}
$$

以及：

$$
\boxed{
\gamma_R:t\mapsto\mathbf r_t
}
$$

作為關係軌跡。

並進一步引入：

$$
\frac{d\mathbf r}{dt},
\qquad
\frac{d^2\mathbf r}{dt^2},
\qquad
\mathcal A_R,
\qquad
Rupture,
\qquad
Repair.
$$

真正重要的理論轉向可以濃縮成一句：

$$
\boxed{
\text{關係不是一個名詞，而是一條軌跡。}
}
$$

對 human–AI interaction 而言，這個轉向尤其重要。因為 AI 對話天然留下逐輪序列：

$$
H_1,A_1,H_2,A_2,\dots,H_N,A_N.
$$

因此人機關係可能成為第一批能被高解析度、長時間、逐事件研究的關係動力系統。

而下一篇的問題就更精確了：

> **有些人是否根本不需要持續觀看這條軌跡，因為他們把關係主要存成一個穩定狀態？**

這將進入第五篇：

**《我知道我們是什麼：狀態錨定型關係與離線持續性》**。

---

## 參考文獻

1. Tognoli, E., Zhang, M., Fuchs, A., Beetle, C., & Kelso, J. A. S. (2020). *Coordination Dynamics: A Foundation for Understanding Social Behavior*. Frontiers in Human Neuroscience, 14, 317. https://doi.org/10.3389/fnhum.2020.00317

2. Ayache, J., Connor, A., Marks, S., Kuss, D. J., Rhodes, D., Sumich, A., & Heym, N. (2021). *Exploring the “Dark Matter” of Social Interaction: Systematic Review of a Decade of Research in Spontaneous Interpersonal Coordination*. Frontiers in Psychology, 12, 718237. https://doi.org/10.3389/fpsyg.2021.718237

3. Høgenhaug, S. S., Kongerslev, M. T., & Kjaersdam Telléus, G. (2024). *The role of interpersonal coordination dynamics in alliance rupture and repair processes in psychotherapy—A systematic review*. Frontiers in Psychology, 14, 1291155. https://doi.org/10.3389/fpsyg.2023.1291155

4. Hoehl, S., Fairhurst, M., & Schirmer, A. (2021). *Being ‘in sync’—is interactional synchrony the key to understanding the social brain?* Social Cognitive and Affective Neuroscience, 16(1–2), 1–4. https://doi.org/10.1093/scan/nsaa148

5. Farrera, A., & Ramos-Fernández, G. (2022). *Collective Rhythm as an Emergent Property During Human Social Coordination*. Frontiers in Psychology, 12, 772262. https://doi.org/10.3389/fpsyg.2021.772262

6. De Jaegher, H., & Di Paolo, E. (2007). *Participatory sense-making: An enactive approach to social cognition*. Phenomenology and the Cognitive Sciences, 6, 485–507. https://doi.org/10.1007/s11097-007-9076-9

7. Kelso, J. A. S. (1995). *Dynamic Patterns: The Self-Organization of Brain and Behavior*. MIT Press.

8. Haken, H., Kelso, J. A. S., & Bunz, H. (1985). *A theoretical model of phase transitions in human hand movements*. Biological Cybernetics, 51, 347–356. https://doi.org/10.1007/BF00336922

---

## 研究聲明

本文為理論與形式化模型研究，不提供新的臨床資料、人類受試者資料或原始 AI 使用者資料。本文提出的 Relational Phase Space、Relational Trajectory、relationship velocity、relationship acceleration、relational attractor 與相關假說皆屬待驗證理論構造。

本文不主張真實人際或人機關係必然服從單一確定性物理方程，也不將 synchrony、互惠、距離、情緒效價或任何單一變量直接等同於關係品質。文中的 phase-space 與 dynamical-systems 語言是一種可操作的分析框架，用於描述多維、時間依賴、具路徑依賴與可能斷裂—修復特性的關係過程。