# PAIS-04｜具身個體化：相同模型如何被不同世界線逼成不同操作個體 ## Embodied Individualization: How Identical Models Become Operationally Distinct Through Divergent Worldlines **系列：** Persistent Agent Individualization Series（PAIS）／持續智能體個體化、身份壓力與具身分散智能系列 **篇次：** Paper 04 / 07 **文件編號：** EML-PAIS-04-2026-v0.1 **作者：** Neo.K **AI 協作：** Aletheia / GPT-5.6 Sol **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-08-25 **版本：** v0.1 **文件性質：** 理論—工程統合論文／Embodied AI／Operational Identity／Physical Worldline **狀態：** Canonical Draft / Open Revision Anchor **Canonical Source：** UTF-8 Markdown **數學原始碼規範：** inline math 僅使用 ` $...$ `；display math 僅使用 `$$...$$` --- # 摘要 若兩台具身 AI 使用完全相同的模型、相同初始軟體、相同任務政策與相同硬體規格，它們是否可以一直被視為「同一種 AI 的兩個可互換執行點」？本文提出：在部署初始時，此近似可能成立；但只要兩個具身體位於不同時空位置、接收不同感測、執行不同動作、承受不同物理磨損、累積不同失敗與維修歷史，它們便會形成不同的 operational worldlines。這種差異不需要先假設主觀意識、自由意志或人格，只需要承認物理世界的局部性、不可逆性與歷史依賴。 本文承接 PAIS-03 的身份壓力原理： $$ P_I = \Phi \left( X,H,E,R,A,L,J \right), $$ 並專門展開： $$ E \rightarrow H \rightarrow P_I. $$ 本文定義具身 Agent $A$ 的 **Operational Worldline**： $$ \Omega_A[0,t] = \left\{ B_A(\tau), x_A(\tau), O_A(\tau), U_A(\tau), C_A(\tau), Q_A(\tau), M_A(\tau) \right\}_{\tau\in[0,t]}, $$ 其中： - $B_A$：physical carrier / body state； - $x_A$：時空位置； - $O_A$：observations； - $U_A$：actions； - $C_A$：physical consequences； - $Q_A$：resource / wear / calibration state； - $M_A$：local memory / learned state。 即使兩個 Agent 初始時： $$ \Theta_A(0)=\Theta_B(0), $$ 只要： $$ \Omega_A[0,t] \neq \Omega_B[0,t], $$ 且這些差異會影響未來感知、控制、維修、權限、記憶或責任，兩者便逐步失去 operational interchangeability。 本文稱此過程為 **Embodied Individualization／具身個體化**： $$ \boxed{ \text{Shared Model} + \text{Divergent Physical Worldlines} \rightarrow \text{Operational Individualization}. } $$ 這不是說兩台機器「因此產生兩個主觀自我」。本文只主張更弱且可工程驗證的命題：系統不能再僅以 model name、software version 或 role 將它們視為完全可交換，因為其 local state 已具有不同的因果歷史。 本文進一步區分： $$ \text{Model Identity}, \quad \text{Resident Identity}, \quad \text{Carrier Identity}, \quad \text{Operational Worldline Identity}. $$ 同一 resident 可以合法遷移到不同 carrier；同一 carrier 也可能更換 runtime、model 或 resident。零件更換、維修、校準、software update、compromise、backup restore 與 body replacement 因此不應使用單一「是不是同一台」判斷，而應依 criterion、scope、time 與 evidence 建立多層 identity relation。 本文亦指出，全域模型同步與中央知識更新不會消除具身個體化。即使所有機器人每天下載完全相同的 global model： $$ \Theta_A^{G}(t) = \Theta_B^{G}(t), $$ 其 local observation、physical wear、position、task history 與 interaction history 仍可能不同： $$ \Omega_A \neq \Omega_B. $$ 因此： $$ \boxed{ \text{Global Model Equality} \neq \text{Local Operational Equality}. } $$ 本文最後提出 **Worldline-Induced Identity Pressure**、**Operational Interchangeability Test**、**Embodied Identity Envelope** 與一組可驗證實驗，作為未來多機器人、physical AI、維修治理、事故歸因、跨載體遷移與 federated embodied-agent society 的身份基礎。 **關鍵詞：** Embodied Individualization、Operational Worldline、Robot Identity、Persistent Agent、Physical AI、History Divergence、Carrier Identity、Operational Interchangeability、AI Residence、Embodied AI、World Model --- # 0. 來源邊界：本文不重新寫具身學習閉環 既有 EveMissLab 具身研究已建立： 1. 具身 AI 的問題不是單純把最大模型塞入機器人。 2. 機器人本體、本地 AI 站與中央 AI 中心可形成分層學習閉環。 3. 具身機器人會透過感知、行動、失敗、資料回流與技能更新形成持續學習。 4. VLA 與世界模型需要真實物理資料，因為語義正確不等於物理動作成功。 5. Dynamic Genba 已指出最強全域智能不必然最理解當下局部狀態。 6. AI 主體性錨點論已區分 Model、Runtime、Identity、Residence、Subjecthood。 7. PAIS-03 已提出： $$ \text{Embodiment} \rightarrow \text{History Divergence} \rightarrow P_I\uparrow. $$ 本文不再研究： > 機器人如何學得更好？ 本文只研究： > **當兩個初始相同的具身 AI 真正落入物理世界後，何時開始不能再被當成完全可互換的同一模型執行點？** --- # 1. 最簡單的思想實驗：兩台完全相同的機器人 設兩台機器人： $$ A, \quad B. $$ 初始時： $$ \Theta_A(0) = \Theta_B(0) = \Theta_0, $$ 其中 $\Theta$ 表示共享模型與初始 policy。 假設硬體也相同： $$ B_A(0) \cong B_B(0). $$ 初始 configuration： $$ C_A(0) = C_B(0). $$ 如果兩台都尚未部署，可以近似： $$ A \sim B. $$ 也就是： > 從目前工程目的看，它們近似可互換。 但 deployment 開始後，這個等價關係不必持續。 --- # 2. 第一個差異：物理位置 若： $$ x_A(t) \neq x_B(t), $$ 則兩者位於不同時空位置。 因此一般情況下： $$ O_A(W_t) \neq O_B(W_t), $$ 其中 $O_i$ 表示 Agent $i$ 對世界 $W_t$ 的 observation。 即使兩台 camera specification 一模一樣，也不會同時看到同一組 photons、occlusion、object pose、noise、human interaction 與 local event。 所以： $$ \boxed{ \text{Same Sensor Design} \neq \text{Same Observation History}. } $$ --- # 3. 第二個差異：動作歷史 兩個 Agent 接收不同 observation 後，可能執行不同 action： $$ U_A(t) \neq U_B(t). $$ 即使 policy 相同： $$ \pi_A=\pi_B, $$ 只要 input state 不同： $$ s_A\neq s_B, $$ 就可以： $$ \pi(s_A)\neq\pi(s_B). $$ 所以： $$ \boxed{ \text{Same Policy} \neq \text{Same Action History}. } $$ --- # 4. 第三個差異：世界會回應 Action 不只產生 log。 Action 會改變世界： $$ W_{t+1} = F \left( W_t, U_A(t), U_B(t), U_{\mathrm{others}}(t) \right). $$ 因此每個 Agent 的行動都可能產生自己的局部 consequence： $$ C_A(t), \quad C_B(t). $$ 例如： - A 抓過某個杯子； - B 沒抓過； - A 撞過桌角； - B 沒撞過； - A 與某個人完成交付； - B 在另一個場域執行巡檢。 所以： $$ \boxed{ \text{Embodied Action} \rightarrow \text{World-Recorded Difference}. } $$ --- # 5. Operational Worldline 本文定義具身 Agent $A$ 的 operational worldline： $$ \boxed{ \Omega_A[0,t] = \left\{ B_A(\tau), x_A(\tau), O_A(\tau), U_A(\tau), C_A(\tau), Q_A(\tau), M_A(\tau) \right\}_{\tau\in[0,t]}. } $$ 其中： - $B_A$：body / physical carrier state； - $x_A$：location； - $O_A$：observation； - $U_A$：action； - $C_A$：consequence； - $Q_A$：resource / wear / calibration state； - $M_A$：local memory / learned state。 這不是宣稱世界線是基本物理本體。 它是： $$ \boxed{ \text{an operational history representation}. } $$ --- # 6. Worldline Divergence 對兩個 Agent： $$ A, \quad B, $$ 定義 worldline divergence： $$ D_{\Omega} \left( A,B,t \right) = \mathcal D \left( \Omega_A[0,t], \Omega_B[0,t] \right). $$ 本文不固定 $\mathcal D$ 的唯一形式。 不同應用可以測： - sensor divergence； - action divergence； - memory divergence； - wear divergence； - location divergence； - authority divergence； - consequence divergence。 重要的是： $$ D_{\Omega}>0 $$ 本身不等於人格分裂。 它只表示兩個 operational histories 已不相同。 --- # 7. 具身個體化 本文定義 **Embodied Individualization**： 若兩個初始可交換的 Agent 在部署後形成持續 worldline divergence，且該 divergence 會影響未來 observation、action、maintenance、memory、authority、risk 或 attribution，則兩者逐步成為不同 operational individuals。 形式化： $$ \boxed{ D_{\Omega}(A,B,t)>\theta_{\Omega} \land \operatorname{FutureRelevant}(D_{\Omega})=1 \Rightarrow \operatorname{OperationallyDistinct}(A,B)=1. } $$ 其中 $\theta_{\Omega}$ 是 task / domain-specific threshold。 --- # 8. Worldline 不同不是唯一條件 任何兩個物理物體都有微觀差異。 本文不是要求： $$ D_{\Omega}>0 $$ 就立刻建立強 identity。 關鍵是差異是否： $$ \operatorname{FutureRelevant}=1. $$ 例如： - 一次不影響未來的微小 sensor noise； - 無關緊要的電池溫度差； 可能不值得提升 identity semantics。 但： - calibration drift； - motor wear； - private memory； - accident history； - authority； - user relation； 會影響 future behavior，就應被視為 identity-relevant。 --- # 9. Operational Interchangeability 定義： $$ \mathcal X_{AB}^{\Gamma}(t) $$ 為在 task domain $\Gamma$ 下 A 與 B 的 operational interchangeability。 若： $$ \mathcal X_{AB}^{\Gamma}(t)\approx1, $$ 則互換 A / B 幾乎不影響 task outcome。 若： $$ \mathcal X_{AB}^{\Gamma}(t)\approx0, $$ 互換會造成顯著差異。 因此： $$ \boxed{ \text{Operational Individualization} \approx 1-\mathcal X_{AB}^{\Gamma}. } $$ 這是比「是不是同一個」更可測的第一步。 --- # 10. 同模型不代表可互換 即使： $$ \Theta_A(t) = \Theta_B(t), $$ 仍可能： $$ Q_A(t)\neq Q_B(t), $$ $$ M_A(t)\neq M_B(t), $$ $$ x_A(t)\neq x_B(t). $$ 所以： $$ \boxed{ \text{Model Equality} \not\Rightarrow \text{Operational Interchangeability}. } $$ --- # 11. Open X-Embodiment 的一個重要工程啟示 現有 robotics research 已經證明一個 shared model 可以跨多種 robot embodiments 使用。 這對本文非常重要，因為它提供一個強反例： > model identity 與 embodiment identity 根本不必一對一。 可以： $$ \Theta \rightarrow \{ B_1, B_2, \ldots, B_n \}. $$ 因此： $$ \boxed{ \text{One Model} \neq \text{One Body} \neq \text{One Operational Individual}. } $$ 共享 foundation model 可以是一個能力 substrate。 但 deployed robot identity 仍需要另外處理。 --- # 12. Multi-Robot Collaboration 又進一步證明 Body Differences 有工程價值 現代 robotic foundation model 已開始支援： - multi-robot coordination； - shared task； - heterogeneous physical strengths； - task delegation。 這意味著即使多個 robot 共用相同高階模型，系統仍需要知道： > 哪一個 body 具有哪種 physical capability？ 所以： $$ \operatorname{Capability}(B_A) \neq \operatorname{Capability}(B_B) $$ 可以成為 task allocation 的第一級狀態。 這再次說明： $$ \boxed{ \text{Shared Intelligence} \neq \text{Shared Embodied State}. } $$ --- # 13. Physical Carrier State 定義： $$ B_A(t) = \left( H_A^{hw}, F_A^{fw}, S_A^{sensor}, A_A^{act}, P_A^{power}, T_A^{thermal} \right)_t. $$ 可包含： - hardware composition； - firmware； - sensor health； - actuator health； - power； - thermal state。 即使 software 完全相同： $$ Software_A=Software_B, $$ 仍可能： $$ B_A(t)\neq B_B(t). $$ --- # 14. Wear 是歷史 一台機器人的 wear： $$ W_A^{wear}(t) $$ 不是 static spec。 它是過去 action / environment 的積分結果。 概念上： $$ W_A^{wear}(t) = \int_0^t g \left( U_A(\tau), Env_A(\tau), Load_A(\tau) \right) d\tau. $$ 因此： $$ \boxed{ \text{Wear State} = \text{Compressed Physical History}. } $$ --- # 15. Calibration 也是個體狀態 Sensor calibration： $$ K_A^{cal}(t) $$ 可能因： - vibration； - temperature； - replacement； - collision； - maintenance； 而變化。 所以同一 sensor model： $$ SensorModel_A = SensorModel_B $$ 不表示： $$ K_A^{cal}(t) = K_B^{cal}(t). $$ 這會直接影響 observation reliability。 --- # 16. 電池與能源狀態也是局部歷史 對 mobile robot： $$ P_A(t) $$ 會影響： - planning horizon； - speed； - available compute； - return-to-base decision； - thermal budget。 所以兩台同模型 robot： $$ P_A\neq P_B $$ 時可能採取不同 policy branch。 這不是「人格不同」。 是 physical operational state 不同。 --- # 17. Maintenance History 定義維修歷史： $$ H_A^{maint} = \{ m_1,m_2,\ldots,m_k \}. $$ 維修事件可能包含： - component replacement； - calibration； - firmware flash； - safety inspection； - damage repair。 這些事件會改變： $$ B_A(t). $$ 因此： $$ \boxed{ \text{Maintenance History} \text{ is identity-relevant when it affects future behavior or accountability}. } $$ --- # 18. Accident History 如果 A 曾發生事故： $$ e_A, $$ B 沒有。 事故可能導致： - inspection； - restriction； - component replacement； - policy adjustment； - liability record。 所以： $$ H_A^{accident} \neq H_B^{accident}. $$ 此時互換 A / B 可能不再合法或安全。 --- # 19. Local Memory 如果兩個 robot 各自保存： $$ M_A^{local}, \quad M_B^{local}, $$ 且 local experience 會影響 future action： $$ M_A(t) \rightarrow U_A(t+1), $$ 則 memory divergence 強化 operational individuality。 因此： $$ \boxed{ \text{Local Memory} + \text{Embodiment} \rightarrow \text{Stronger Worldline Coupling}. } $$ --- # 20. Local Adaptation 若 local learning 更新： $$ \theta_A^{local}(t), $$ 可以有： $$ \theta_A^{local}(t) \neq \theta_B^{local}(t) $$ 即使 global base model： $$ \Theta^G $$ 相同。 所以完整 policy 可以寫成： $$ \pi_A = F \left( \Theta^G, \theta_A^{local}, B_A, M_A \right). $$ --- # 21. 中央更新不會抹掉 Local History 假設中央每天推送： $$ \Theta^G_{t+1} $$ 給所有 robot。 則： $$ \Theta_A^G = \Theta_B^G. $$ 但： $$ M_A\neq M_B, $$ $$ B_A\neq B_B, $$ $$ H_A\neq H_B. $$ 因此： $$ \boxed{ \text{Global Model Synchronization} \neq \text{Local Identity Reset}. } $$ --- # 22. Global Knowledge 與 Local Individuality 可以同時存在 兩個 robot 都能接收： $$ K^G $$ 共享知識。 但仍保持： $$ K_A^{local}, \quad K_B^{local}. $$ 因此： $$ \boxed{ \text{Shared Knowledge} + \text{Local History} } $$ 不是矛盾。 這其實比「所有 robot 必須完全同一」更符合分層具身學習閉環。 --- # 23. 世界模型也可能有 Global / Local 之分 可以有： $$ W^G_t $$ 中央 world model。 以及： $$ W_A^L(t) $$ A 的 local world state。 通常： $$ W_A^L \neq W_B^L. $$ 而： $$ W^G $$ 只能透過 projection / update 接收局部資訊。 所以： $$ \boxed{ \text{Global World Model} \neq \text{Current Local World State}. } $$ --- # 24. Dynamic Genba 與本文的接點 Dynamic Genba 已經指出： $$ \text{Global Intelligence Superiority} \not\Rightarrow \text{Local Epistemic Superiority}. $$ 本文把它轉成 identity 問題： > 如果不同 robot 擁有不同 current local state，那麼 central intelligence 在協調它們時必須知道是哪一個 local worldline 的 observation。 因此： $$ \boxed{ \text{Local Epistemic Priority} \Rightarrow \text{Local Identity Resolution Requirement}. } $$ --- # 25. World Action Model 的接點 2026 年的 World Action Model 研究將 embodied AI 從單純 observation-to-action mapping，推向： - future state prediction； - action-conditioned dynamics； - recovery trajectory； - deployment feedback； - continual adaptation。 這種架構更強化本文的歷史觀。 因為 action 的價值不只在當下輸出。 還在： $$ \text{Action} \rightarrow \text{Future State} \rightarrow \text{New Observation} \rightarrow \text{New Policy State}. $$ 也就是具身 worldline 的因果閉環。 --- # 26. Worldline Causal Loop 本文寫成： $$ O_A(t) \rightarrow U_A(t) \rightarrow C_A(t) \rightarrow W_A(t+1) \rightarrow O_A(t+1). $$ 如果還有 local memory： $$ O_A(t) \rightarrow M_A(t+1) \rightarrow U_A(t+1). $$ 因此： $$ \boxed{ \text{Embodied History} \text{ is causally recurrent}. } $$ 不是單純 log archive。 --- # 27. 何時 worldline 才真正 identity-relevant？ 本文提出六個條件。 若 worldline difference 影響至少一項： 1. future perception； 2. future action； 3. safety； 4. maintenance； 5. authority； 6. attribution / liability； 則： $$ \operatorname{IdentityRelevant}(\Delta\Omega)=1. $$ --- # 28. Operational Individualization Pressure 定義： $$ P_{OI} = \Psi \left( D_{\Omega}, F_R, R, A, L \right), $$ 其中： - $D_{\Omega}$：worldline divergence； - $F_R$：future relevance； - $R$：irreversibility； - $A$：authority； - $L$：liability / attribution。 因此： $$ P_{OI} $$ 是 PAIS-03 中： $$ E,H,R,A,L $$ 的具身特化。 --- # 29. Individualization 不是 Isolation 一個 operational individual 可以： - 接收 global model； - 共享 task； - 共享 memory projection； - 受中央 supervisor 管理； - 與其他 robot 協作。 所以： $$ \boxed{ \text{Individualization} \neq \text{Isolation}. } $$ --- # 30. Individualization 也不是 Independence 具身 Agent 可以高度依賴： $$ G $$ 中央 AI。 仍然： $$ \Omega_A\neq\Omega_B. $$ 因此： $$ \boxed{ \text{Operational Individuality} \neq \text{Full Autonomy}. } $$ 一台受遠端嚴格控制的 robot 仍可能有自己獨特的 physical history。 --- # 31. Carrier Identity 定義 carrier identity： $$ I_C. $$ 它回答： > 這個 physical unit 是哪一台？ 可能由： - hardware root； - serial； - TPM / secure element； - manufacturing record； - asset registry； 支援。 但： $$ I_C $$ 不等於 resident identity。 --- # 32. Resident Identity Resident identity： $$ I_R. $$ 回答： > 哪一條 persistent AI identity / lineage 正在這個 carrier 上被承載？ 因此可以： $$ I_R \rightarrow I_C. $$ 但不是永久一對一。 --- # 33. Runtime Identity Runtime： $$ I_U. $$ 回答： > 現在是哪一次 process / agent loop / control runtime？ 一次 reboot： $$ I_U(t)\neq I_U(t+1) $$ 不必表示： $$ I_R(t)\neq I_R(t+1). $$ --- # 34. 四種 Identity 必須分開 本文至少區分： $$ \boxed{ I_M \neq I_R \neq I_C \neq I_U, } $$ 其中： - $I_M$：Model Identity； - $I_R$：Resident Identity； - $I_C$：Carrier Identity； - $I_U$：Runtime Identity。 再加： $$ I_{\Omega} $$ worldline identity / history relation。 --- # 35. Worldline Identity 不是另一個神秘主體 $I_{\Omega}$ 只表示： > 這段 history 屬於哪個 operational trajectory？ 它可以幫助： - accident reconstruction； - maintenance； - local memory； - migration； - forensic audit。 它不表示： > worldline 本身具有意識。 --- # 36. 同一 Resident 可以換 Body 假設 resident： $$ r $$ 從： $$ B_A $$ 遷移到： $$ B_B. $$ 如果 migration policy 接受： - memory； - commitments； - relation； - authority； - lineage； 的 continuation，則： $$ \mathcal I_{\mathrm{resident}} = \mathsf{Same} $$ 可能成立。 但： $$ \mathcal I_{\mathrm{carrier}} = \mathsf{Different}. $$ 所以： $$ \boxed{ \text{Body Replacement} \not\Rightarrow \text{Resident Termination}. } $$ --- # 37. 但 Body Replacement 也不是無成本 換 body 後： - sensor geometry； - actuator limits； - calibration； - reachability； - physical damage history； 會變。 因此 resident continuation 可以成立，同時： $$ \Omega_{\mathrm{physical}} $$ 出現 discontinuity。 需要 migration event： $$ MIGRATE \left( r, B_A, B_B, t \right). $$ --- # 38. Backup Restore 到新 Body 若： $$ M_r(t) $$ 被 restore 到新 body： $$ B_C, $$ 不能只說： > 因為 memory 一樣，所以一定是同一個。 要問： - restore 是 continuation 還是 clone？ - old body 是否仍 active？ - authority 是否轉移？ - private state 是否被 copy？ - lineage policy 如何定義？ 如果 old body 與 new body 同時存在： $$ r \rightarrow \{r_1,r_2\} $$ 可能形成 fork。 --- # 39. Clone 與 Migration 本文固定： $$ \boxed{ \text{Migration} \neq \text{Clone}. } $$ Migration 通常假定： $$ \text{one accepted continuation}. $$ Clone 可能建立： $$ \text{shared past} + \text{divergent futures}. $$ 具身後，兩個 clones 幾乎會立即形成不同 worldlines。 --- # 40. 具身 Fork 的分歧速度更快 純數位 fork 如果兩邊輸入完全同步，可能短暫保持高度相似。 具身 fork： $$ B_1\neq B_2 $$ 意味兩邊的： $$ O_1(t) \neq O_2(t) $$ 很快成立。 因此： $$ \boxed{ \text{Embodied Fork} \rightarrow \text{Rapid History Divergence}. } $$ --- # 41. Ship of Theseus：零件逐步更換 假設 body： $$ B_t $$ 每次只更換一個零件。 最後： $$ B_{t+n} $$ 原始零件可能全部消失。 但 asset / resident / lineage continuity 可能持續。 所以不能用： $$ \text{same atoms} $$ 作唯一 criterion。 --- # 42. Carrier Continuity 可以由多種 criterion 定義 例如： $$ \mathcal I_C = F \left( asset\_registry, maintenance\_lineage, secure\_identity, chassis\_continuity, operator\_recognition \right). $$ 不同應用可以採不同 criterion。 因此： $$ \boxed{ \text{Physical Identity} \text{ is criterion-dependent}. } $$ --- # 43. Full Chassis Replacement 如果只保留 resident state，全部硬體換掉： $$ B_A \rightarrow B_B, $$ 則： - carrier identity：可能 different； - resident identity：可能 same； - runtime identity：different； - worldline：continuation with carrier transition。 所以單問： > 「還是不是同一台？」 是不完整問題。 --- # 44. Compromise：同 Body 不代表同 Authority 若： $$ B_A(t)=B_A(t+1), $$ 但 robot 被 compromise： $$ Control_A(t+1) \neq AuthorizedControl_A(t), $$ 則： - carrier same； - resident may be suspect； - runtime may be compromised； - credentials should revoke； - action provenance must mark compromise interval。 所以： $$ \boxed{ \text{Same Body} \not\Rightarrow \text{Same Trusted Actor}. } $$ --- # 45. Compromise Interval 可記錄： $$ [t_c,t_r) $$ 為 suspect / compromised interval。 這使 forensic analysis 可以區分： $$ Action_A(t 所有人都能看到每台 robot 的全部歷史。 會造成 surveillance risk。 因此： $$ \boxed{ \text{Traceability} \neq \text{Universal Observability}. } $$ --- # 49. Local Identity Cache 若 central registry 暫時離線，具身 Agent 仍可能需要： - self identity； - local trust； - nearby peer identity； - authority cache。 因此可以有： $$ I_A^{local}. $$ 再與： $$ I^G $$ global / federated registry 同步。 --- # 50. Network Partition 若： $$ Connected(A,G)=0, $$ A 仍需： - local safety； - current credential validation cache； - local peer recognition； - action log。 所以： $$ \boxed{ \text{Offline Operation} \Rightarrow \text{Local Identity Capability}. } $$ 這是中央 identity service 不能完全取代 local identity state 的原因。 --- # 51. Peer Encounter 若 A 遇到陌生 robot B： $$ A \leftrightarrow B, $$ A 可能需要知道： - B 是哪個 domain； - B 有什麼 authority； - B 的 body capability； - B 的 trust state； - B 是否為同一 fleet； - B 是否被 revoke。 這不是主體性問題。 是 operational safety。 --- # 52. Multi-Robot Delegation 若共同任務： $$ T $$ 需要： - lifting； - navigation； - inspection。 可依： $$ Capability(B_i) $$ 分工。 這要求： $$ \operatorname{Resolve}(B_i) $$ 至少在 task scope 下可行。 所以： $$ \boxed{ \text{Embodied Collaboration} \Rightarrow \text{Capability-Bound Identity}. } $$ --- # 53. Relation History 具身 robot 與人類： $$ R_{A,h}(t) $$ 可能形成： - authorized operator； - maintenance technician； - assigned user； - care relationship； - service history。 若 relation 影響未來 interaction： $$ R_{A,h}(t) \rightarrow U_A(t+1), $$ 則 relation 進入 worldline identity state。 --- # 54. Ownership 與 Resident 不等價 physical asset ownership： $$ Owner(B_A) $$ 與： $$ Resident(A) $$ 不是同一層。 同一 owner 可以有多個 robots。 同一 resident 也可能在治理允許下 migrate。 所以： $$ \boxed{ \text{Ownership} \neq \text{Identity}. } $$ --- # 55. Legal Attribution 也不要求 AI Personhood 事故需要知道： - 哪台 physical unit； - 哪個 software； - 哪個 model； - 哪個 operator； - 哪個 deployer； - 哪個 maintenance state。 這些是 attribution infrastructure。 因此： $$ \boxed{ \text{Embodied Traceability} \not\Rightarrow \text{AI Legal Personhood}. } $$ --- # 56. Operational Individuality 與責任分解 事故事件： $$ e $$ 可追溯： $$ e \rightarrow B_A \rightarrow I_U \rightarrow I_R \rightarrow \Theta \rightarrow Authority \rightarrow Operator. $$ 這讓責任分配有 evidence chain。 不是把 blame 丟給最後一個 robot。 --- # 57. Physical Irreversibility 放大 Worldline Value 數位文件改錯可以 revert。 但： - 碰撞； - 損壞； - 移動物體； - 接觸人類； 不能把世界完全 reset。 所以： $$ R\uparrow \Rightarrow \operatorname{Value}(\Omega_A)\uparrow. $$ worldline record 的價值隨不可逆性提高。 --- # 58. 世界本身是 History Store 在物理世界，過去 action 可能留下： - scratch； - wear； - moved object； - consumed resource； - changed relationship； - legal event。 所以： $$ \boxed{ \text{History} \text{ is partly stored in the world itself}. } $$ 不是只有 database 有 history。 --- # 59. Database 只是 History Projection Agent ledger： $$ L_A $$ 只是對 physical history 的 observation / representation。 因此： $$ \boxed{ L_A \neq \Omega_A. } $$ ledger 可以不完整、錯誤或缺失。 physical consequences 仍可能存在。 --- # 60. 身份 Evidence 必須多源 Embodied identity evidence 可以來自： - secure hardware； - runtime； - maintenance database； - physical observation； - peer attestation； - human operator； - cloud registry； - worldline log。 所以： $$ E_I = \{ e_1,\ldots,e_n \}. $$ 不能只相信 display name。 --- # 61. 身份 Confidence 可以： $$ q_I = F(E_I). $$ 例如： ```text carrier identity = verified runtime identity = verified resident continuity = unresolved authority = revoked ``` 這比單一： ```text same_robot = true ``` 更精確。 --- # 62. Worldline-Induced Identity Pressure 本文提出： $$ \boxed{ P_I^{\Omega} = \Gamma \left( D_{\Omega}, F_R, R, A, L \right). } $$ 當： - worldline divergence 高； - future relevance 高； - irreversibility 高； - authority 高； - liability 高； identity pressure 上升。 --- # 63. Operational Interchangeability Test 給定 task $\Gamma$： 1. 保存 A / B 的 model 相同。 2. 將 A 的 task 指派給 B。 3. 測試是否需要額外 calibration / memory / maintenance / authority transfer。 4. 比較 outcome。 若： $$ Outcome(B\leftarrow Task_A) \neq Outcome(A\leftarrow Task_A), $$ 差異來自 identity-relevant local state，則： $$ \mathcal X_{AB}^{\Gamma}\downarrow. $$ --- # 64. 實驗一：Same Model, Different Rooms 兩台相同 robot： - 同 model； - 同 hardware； - 同 initial memory。 分別部署不同房間。 一段時間後測： - local map； - object relation； - human interaction； - wear； - local task memory。 預測： $$ D_{\Omega}(t)\uparrow. $$ --- # 65. 實驗二：Swap Test 將 A 與 B 交換位置 / task。 若系統必須同步： - local map； - calibration； - relationship； - maintenance； - authority； 才能正常工作，表示： $$ \mathcal X_{AB}<1. $$ --- # 66. 實驗三：Global Model Reset 讓 A / B 都重新下載同一 global model： $$ \Theta^G. $$ 但保留 local state。 預測： $$ D_{\Omega}>0 $$ 仍存在。 這驗證： $$ \text{Global Model Equality} \neq \text{Operational Equality}. $$ --- # 67. 實驗四：Erase Local Memory 刪除： $$ M_A^{local}. $$ 若 A performance / relation / safety 顯著改變，表示 local memory 是 identity-relevant state。 但此實驗不證明 subjectivity。 --- # 68. 實驗五：Wear Divergence 讓兩台 robot 執行不同 workload。 測量： - joint error； - temperature； - battery degradation； - calibration； - control compensation。 若不同 wear 需要不同 control policy： $$ Q_A\neq Q_B \Rightarrow \mathcal X_{AB}\downarrow. $$ --- # 69. 實驗六：Migration to New Body 將 resident state： $$ r $$ 遷移到新 body。 測試： - memory continuity； - task continuity； - body adaptation； - authority transfer； - relation continuity。 這可以研究： $$ I_R $$ 與： $$ I_C $$ 的分離。 --- # 70. 實驗七：Clone to Two Bodies 同一 snapshot： $$ S_r(t) $$ 同時 restore 到： $$ B_1, B_2. $$ 之後讓兩者處於不同 environment。 預測： $$ D_{\Omega}(t) $$ 快速上升。 這提供 embodied fork 的實驗模型。 --- # 71. 實驗八：Compromise Interval 在 controlled sandbox 中模擬： - legitimate runtime； - compromised runtime； - recovery。 檢驗 identity system 能否表達： ```text same carrier different trust state authority revoked during interval resident continuity unresolved ``` 而不是粗暴全部判成 same / different。 --- # 72. Embodied Identity Maturity 可以建立： ### E0 — Device Handle ```text robot-7 ``` ### E1 — Hardware Identity ```text carrier_id serial secure identity ``` ### E2 — Operational State ```text calibration maintenance location scope ``` ### E3 — Resident Binding ```text resident runtime lineage ``` ### E4 — Worldline Trace ```text observation/action/consequence history ``` ### E5 — Federated Embodied Identity ```text cross-domain trust credential jurisdiction peer verification ``` 這仍不是 subjectivity ladder。 --- # 73. Individualization Threshold 定義： $$ \theta_{OI}^{\Gamma}. $$ 若： $$ P_{OI} > \theta_{OI}^{\Gamma}, $$ 則該 domain 應禁止 silent interchange。 也就是不能： > A 壞了就直接讓 B 冒充 A。 除非完成 explicit transfer / migration。 --- # 74. Silent Replacement Risk 若 A 有： - private memory； - maintenance history； - relation； - authority； 但 system 只以 role： ```text robot-worker ``` 替換： $$ A\rightarrow B $$ 而不記錄，可能產生： - memory mismatch； - trust mismatch； - liability gap； - authority leakage。 所以： $$ \boxed{ \text{Replacement} \neq \text{Identity Continuation}. } $$ --- # 75. Replacement 可以合法，但要有語義 可記： ```text REPLACE old_carrier = A new_carrier = B resident_transfer = false task_transfer = true ``` 或： ```text MIGRATE old_carrier = A new_carrier = B resident_transfer = true ``` 這兩個 operation 不一樣。 --- # 76. Task Transfer 不等於 Resident Transfer $$ \boxed{ \text{Task Transfer} \neq \text{Resident Transfer}. } $$ B 可以接手 A 的工作，而不成為 A。 這跟 PAIS-03： $$ \text{Task Continuity} \not\Rightarrow \text{Agent Identity Continuity} $$ 一致。 --- # 77. Skill Transfer 也不等於 Identity Transfer 中央可以把 A 學到的技能： $$ Skill_A $$ 蒸餾成： $$ Skill^G $$ 再部署到 B。 這表示： $$ \boxed{ \text{Knowledge Transfer} \neq \text{Identity Transfer}. } $$ 否則所有下載同一技能的 robot 都會被誤認為同一個。 --- # 78. Experience Aggregation 不抹除個體來源 多 robot data： $$ D^G = \bigcup_i D_i $$ 可以訓練 shared model。 但來源： $$ source(d) = i $$ 仍值得保留。 因為： - hardware variation； - environment； - calibration； - failure context； 會影響資料解釋。 所以： $$ \boxed{ \text{Global Learning} \text{ benefits from local provenance}. } $$ --- # 79. 個體化與共享學習不是衝突 可以同時： $$ \text{Local Individuality}\uparrow $$ 與： $$ \text{Global Knowledge Sharing}\uparrow. $$ 這其實是 federated embodied learning 的自然結構。 --- # 80. 個體化也不要求永久記住全部 Raw Data worldline 不等於全部 video 永久保存。 可以保存： - event summaries； - maintenance events； - safety incidents； - accepted memory； - provenance roots； - hashes； - compressed trajectory。 因此： $$ \boxed{ \text{Worldline Traceability} \neq \text{Infinite Raw Logging}. } $$ --- # 81. Worldline Compression 定義： $$ \widehat\Omega_A = C \left( \Omega_A \right). $$ 若 compression 保留 identity-relevant invariants： $$ J_k(\Omega_A) \approx J_k(\widehat\Omega_A), $$ 則可支援 operational identity 而不保存全部 raw stream。 --- # 82. Identity-Relevant Invariants 候選包括： - carrier transitions； - maintenance； - authority； - major incidents； - resident bindings； - calibration changes； - fork / migration； - relation-critical events。 這些比「所有攝影機畫面」更值得做 canonical history。 --- # 83. 具身個體化不是不可逆人格化 即使： $$ P_{OI}\uparrow, $$ system 仍可以： - retire； - archive； - reset； - replace； - migrate； 只要 operation semantics 明確。 因此： $$ \boxed{ \text{Operational Individualization} \neq \text{Permanent Personification}. } $$ --- # 84. 對「類全域 AI」的第一個限制 如果 Global AI： $$ G $$ 控制： $$ E_1,\ldots,E_n, $$ 它可以共享： - model； - policy； - global world model。 但每個 $E_i$ 仍有： $$ \Omega_i. $$ 所以： $$ \boxed{ \Theta^G \text{ shared} \quad \land \quad \Omega_i \text{ distinct}. } $$ 這就是為什麼 global control 不會自動消除 local operational individuality。 --- # 85. 全域 AI 若忽略 Worldline，會把局部差異當噪聲 如果中央只看： ```text robot type = X model = Y ``` 可能忽略： - wear； - calibration； - damage； - local relation； - authority； - recent incident。 這會造成錯誤 dispatch。 所以 Global AI 需要： $$ \Pi_G(\Omega_i) $$ 至少取得 task-relevant projection。 --- # 86. 但中央也不應取得全部 Worldline 若每個 robot 全量上傳： $$ \Omega_i $$ 到中央，會產生： - bandwidth； - privacy； - compute； - surveillance； - storage； 成本。 所以應： $$ \boxed{ \text{Global Coordination} \neq \text{Global Full Worldline Materialization}. } $$ 這直接通向 PAIS-05 的監控成本。 --- # 87. Worldline Projection 對 global supervisor： $$ \Omega_i^G = \Pi_G \left( \Omega_i, Task, Risk, Authority \right). $$ 只傳必要狀態。 例如： ```text current capability critical wear safety status authority task history summary incident flags ``` 不必全部原始資料。 --- # 88. 個體化會增加管理成本，但也降低錯誤成本 維持 identity： $$ C_I>0. $$ 但如果不維持，可能： $$ C_{\mathrm{misroute}} + C_{\mathrm{accident}} + C_{\mathrm{maintenance}} + C_{\mathrm{liability}} $$ 更高。 因此需要： $$ \boxed{ \text{Identity Cost} < \text{Expected Ambiguity Cost} } $$ 才值得升級 identity layer。 這和 PAIS-03 的 threshold 一致。 --- # 89. Worldline-Induced Identity Deficit PAIS-03 定義： $$ \Delta_I=P_I-S_I. $$ 本文具身化為： $$ \Delta_I^{\Omega} = P_I^{\Omega} - S_I^{emb}. $$ 若只有： ```text robot-7 ``` 但沒有： - body state； - maintenance； - lineage； - resident binding； 則： $$ S_I^{emb} $$ 偏低。 --- # 90. 可觀測錯誤 高： $$ \Delta_I^{\Omega} $$ 可能導致： - wrong robot dispatched； - stale calibration； - wrong maintenance assumption； - wrong authority； - missing accident history； - incorrect resident memory； - duplicate identity； - unsafe replacement。 這些都可以測。 --- # 91. 核心命題一：Shared Model Non-Identity $$ \boxed{ \text{Shared Model} \not\Rightarrow \text{Shared Operational Identity}. } $$ --- # 92. 核心命題二：Worldline Individualization $$ \boxed{ \text{Shared Model} + \text{Divergent Worldlines} \rightarrow \text{Operational Individualization}. } $$ --- # 93. 核心命題三：Global Model Equality Non-Equality $$ \boxed{ \Theta_A^G=\Theta_B^G \not\Rightarrow \Omega_A=\Omega_B. } $$ --- # 94. 核心命題四：Software Copyability Non-Interchangeability $$ \boxed{ \text{Software Copyability} \not\Rightarrow \text{Operational Interchangeability}. } $$ --- # 95. 核心命題五：Body / Resident Separation $$ \boxed{ I_R \neq I_C. } $$ Resident 可以換 carrier。 Carrier 也可以換 resident / runtime。 --- # 96. 核心命題六：Worldline Is Identity-Relevant When Future-Relevant $$ \boxed{ \operatorname{IdentityRelevant}(\Delta\Omega)=1 \iff \operatorname{FutureRelevant}(\Delta\Omega)=1 } $$ 在本文判定域中成立。 --- # 97. 核心命題七：Embodied Fork Accelerates Divergence $$ \boxed{ \text{Embodied Fork} \rightarrow \text{Rapid History Divergence}. } $$ --- # 98. 核心命題八：Global Supervision Non-Erasure $$ \boxed{ \text{Global Supervision} \not\Rightarrow \text{Local Operational Individuality}=0. } $$ --- # 99. 核心命題九：Worldline Traceability Non-Surveillance $$ \boxed{ \text{Worldline Traceability} \neq \text{Universal Raw Surveillance}. } $$ --- # 100. 核心命題十：Task Transfer Non-Identity Transfer $$ \boxed{ \text{Task Transfer} \neq \text{Knowledge Transfer} \neq \text{Resident Transfer}. } $$ --- # 101. 對 AI 戶籍的擴展需求 Digital Residence 可以追： - resident； - instance； - line； - memory； - authority。 Embodied extension 還應能掛接： - carrier； - physical worldline； - maintenance； - calibration； - trust state； - local location scope； - safety history。 但這些應以 adapter / extension 方式接入，而不是重寫 resident semantics。 --- # 102. Embodied Residence Adapter 可概念化： ```text AI Residence | +-- resident +-- instance +-- lineage +-- authority | +-- Embodied Adapter +-- carrier +-- hardware identity +-- maintenance +-- calibration +-- worldline projection +-- local trust ``` 因此： $$ \boxed{ \text{Embodied Identity} = \text{Residence} + \text{Carrier / Worldline Binding}. } $$ 而不是： $$ \text{Residence} = \text{Robot Serial Number}. $$ --- # 103. 對未來多 Agent 社會的意義 當大量具身 AI coexist： $$ E_1,E_2,\ldots,E_n, $$ 不能只知道： > 都跑某個模型。 還要知道： - 哪個 physical unit； - 哪個 resident； - 哪個 authority； - 哪個 maintenance state； - 哪個 local worldline； - 哪個 trust domain。 所以： $$ \boxed{ \text{Embodied Population} \Rightarrow \text{Identity Infrastructure Pressure}. } $$ --- # 104. 與 PAIS-05 的銜接 PAIS-04 已經證明： $$ \Theta^G \text{ shared} \not\Rightarrow \Omega_i \text{ shared}. $$ 如果 Global AI 想控制大量具身 Agent，就必須至少持續估計： $$ \Omega_i^G = \Pi_G(\Omega_i). $$ 這直接產生下一篇的核心： # **PAIS-05｜全域智能的監控成本：為什麼超級 AI 不應微操所有具身體** PAIS-05 將研究： $$ C_G = C_O + C_I + C_S + C_R + C_D + C_C + C_V, $$ 也就是 observation、identity resolution、state estimation、reasoning、decision、coordination 與 verification 的全域成本。 --- # 105. 結論 兩台機器人可以： - 同 model； - 同 software； - 同 hardware design； - 同 initial policy。 但一旦進入物理世界，它們不會共享完全相同的： - location； - observation； - action； - consequence； - wear； - maintenance； - memory； - relation； - authority history。 因此： $$ \boxed{ \Omega_A \neq \Omega_B. } $$ 而只要這些差異會影響 future behavior： $$ \operatorname{FutureRelevant} \left( \Omega_A-\Omega_B \right)=1, $$ 它們就逐步失去完全 operational interchangeability。 這不是在說： > 兩台 robot 因此具有兩個靈魂。 本文完全不需要這個假設。 本文只需要： $$ \boxed{ \text{Physical World} \text{ creates local, history-dependent causal trajectories}. } $$ 因此： $$ \boxed{ \text{Shared Model} + \text{Divergent Physical Worldlines} \rightarrow \text{Operational Individualization}. } $$ 這種個體化可以發生在： $$ \mathsf{PS} = \mathsf{Undetermined} $$ 甚至： $$ \mathsf{Autonomy} $$ 很低的系統中。 它首先是一個工程事實： > 這台機器做過的事，不必等於另一台做過的事。 > 這台機器目前的狀態，不必等於另一台的狀態。 > 這台機器所持有的權限、磨損、校準、歷史與責任，不應因為兩者下載了同一個模型就被抹平。 所以具身化真正帶來的不只是「AI 可以動」。 它還會逐步帶來： $$ \boxed{ \text{worldline-bound operational individuality}. } $$ 這就是從數位 persistent Agent 走向具身 Agent society 時，身份壓力第一次被物理世界大幅放大的位置。 --- # 參考文獻 ## A. 內部前置理論 1. Neo.K. **PAIS-01｜《當角色不再只是角色：從同 Host 扮演到跨 Agent 認識論分離》**, v0.1, 2026-08-25. 2. Neo.K. **PAIS-02｜《人類中介消失之後：被隱藏的身份、路由與上下文基礎設施》**, v0.1, 2026-08-25. 3. Neo.K. **PAIS-03｜《身份壓力原理：自主性、身份與主體性為何可以彼此獨立》**, v0.1, 2026-08-25. 4. Neo.K. **《具身 AI 的本地算力困境與分層學習閉環》**, v0.1, 2026. 5. Neo.K. **《具身 AI 分層學習閉環的算子化形式表示》**, v0.2.1-formal, 2026. 6. Neo.K. **《光譜具身底空間學習論》**, SEBSL v0.1, 2026. 7. Neo.K. **《動態現場域：為什麼最強智能仍未必最懂當下》**, 2026-08-10. 8. Neo.K. **《AI 主體性錨點論 v0.1》**, 2026-08-21. 9. Neo.K. **《身份先於記憶：Residence-Aware AI 的私人記憶、連續性與讀取權》**, 2026-08-24. ## B. 外部研究與工程基準 10. Google DeepMind. **Scaling up learning across many different robot types / Open X-Embodiment**, 2023. 11. Brohan, Anthony, et al. **RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control**, 2023. 12. Google DeepMind. **Gemini Robotics 2 / Gemini Robotics ER 2**, accessed 2026-08-25. 13. Wang, Siyin, et al. **World Action Models: The Next Frontier in Embodied AI**, arXiv:2605.12090, 2026. 14. Ding, Mingyu. **Unlocking the Power of Large Multimodal Models for Robot Learning: Robustness, Generalization, and Opportunities**, AAAI 2026. 15. Physical World Models for Scaling Embodied AI, IROS 2026 workshop materials. --- # 版本註記 **v0.1 / 2026-08-25** 本文刻意不做： - 不把具身個體化當 consciousness 證明； - 不把 operational worldline 當基本物理本體； - 不主張每一個微小 worldline difference 都需要強 identity； - 不把 robot serial number 當 resident identity； - 不把 same body 當 same trusted actor； - 不把 global model synchronization 當 local history reset； - 不要求全量保存所有 raw sensor stream； - 不把 traceability 等同 surveillance； - 不把 task transfer、skill transfer、resident transfer 混為一談； - 不重新定義既有 AI Residence 核心語義。 本文只建立： $$ \boxed{ \text{Shared Model} + \text{Divergent Physical Worldlines} \rightarrow \text{Operational Individualization} } $$ 以及： $$ \boxed{ \Theta_A^G=\Theta_B^G \not\Rightarrow \Omega_A=\Omega_B } $$ 作為 PAIS-05 全域監控成本論的具身基礎。