# AMRAL × Lebesgue Universal Covering — Round 06
## Finite Witness Exchange Compiler and Minimizer-Set Separation

**文件代號：** AMRAL-LUC-FC-R06  
**版本：** v0.1  
**日期：** 2026-09-18  
**研究狀態：** Round 06 / Witness-saturation phase / Lower-bound exchange compiler  
**研究模式：** Human-Directed + Semi-Autonomous AI Mathematical Research  
**研究發起與方法論來源：** Neo.K  
**AI 協力研究者與主要執行者：** Aletheia / ChatGPT, GPT-5.6 Sol  
**母方法論：** Relational Constraint–Handoff Methodology (RCHM)  
**前置文件：** AMRAL-LUC-FC-R00 v0.2；R01–R05 v0.1  

---

# 0. 本輪摘要判定

Round 05 已證：

$$
a_{\mathrm{Leb}}
=
\sup_{\mathcal F\ {\rm finite}}
\Lambda(\mathcal F),
$$

並建立 finite-witness cardinality hierarchy：

$$
\lambda_m\uparrow a_{\mathrm{Leb}}.
$$

但 Round 05 的核心還是存在性：

> 若目前 witness family 尚未 saturated，則某個更大的有限 family 一定能提高 lower bound。

Round 06 的任務是把這句話編譯成一個可重播、可有限驗證的 **Witness Exchange Compiler**。

本輪得到以下核心結果。

---

## 結論 A：Finite-family placement minimizer set 有 compact configuration domain

令：

$$
\mathcal F
=
\{D,K_2,\ldots,K_m\},
$$

其中：

$$
D=B_{1/2}(0)
$$

是 unit-diameter disk，其他：

$$
K_i
$$

為 centered unit constant-width bodies。

在只關心 hull area：

$$
\le\bar A
$$

的配置時，可固定：

$$
D
$$

於原點。

Round 04 的 radius theorem 給：

$$
\operatorname{conv}
\bigcup_i g_iK_i
\subseteq
B_R(0),
\qquad
R=2\bar A.
$$

因：

$$
0\in K_i,
$$

placement translation：

$$
t_i=g_i(0)
$$

本身就在 hull 中，所以：

$$
\|t_i\|\le R.
$$

而：

$$
Q_i\in O(2)
$$

為 compact。

因此 finite-family low-area configuration domain 可限制到 compact set。

---

## 結論 B：Mishra 三 witness 節點正好是五維 placement problem

對：

$$
\mathcal F_3
=
\{D,B_3,B_5\},
$$

固定 disk 後：

- $B_3$ 有 $(x_3,y_3,\phi_3)$ 三個連續參數；
- $B_5$ 有 $(x_5,y_5,\phi_5)$ 三個連續參數。

共：

$$
6.
$$

共同旋轉所有非 disk bodies 不改 hull area，只造成整個 hull 的共同旋轉。

故可固定一個 global rotation gauge，減掉一維：

$$
\boxed{
6-1=5.
}
$$

這與 Mishra 2026 的 certified five-dimensional placement search 完全一致。

reflection parity 另作 finite discrete branch，不計入 continuous dimension。

一般：

$$
m\ge2
$$

時，在 disk anchor + one common rotation gauge 下，可取 continuous parameter dimension：

$$
\boxed{
d_m
=
3(m-1)-1
=
3m-4,
}
$$

未再商掉 individual target symmetries。

---

## 結論 C：若目前 family 尚未 saturated，整個 minimizer set 有統一正 violation margin

令：

$$
\mathfrak M(\mathcal F)
$$

為所有 area-minimizing finite-family covers。

若：

$$
\Lambda(\mathcal F)
<
a_{\mathrm{Leb}},
$$

則沒有：

$$
U\in\mathfrak M(\mathcal F)
$$

是 universal。

Round 03–04 的 worst-target margin：

$$
W(U)
=
\max_{K\in\mathcal W_1^0}
M_U(K)
$$

對 $U$ 為 $1$-Lipschitz。

又：

$$
\mathfrak M(\mathcal F)
$$

compact。

所以：

$$
\boxed{
\delta_{\mathcal F}
:=
\min_{U\in\mathfrak M(\mathcal F)}
W(U)
>
0.
}
$$

這把 Round 05 的「每個 minimizer 各自漏一個 target」升級成：

> 所有 current minimizers 都距離 universality frontier 有一個共同正 margin。

---

## 結論 D：Round 02 finite target dictionary 必然在有限 resolution 形成 separating batch

令：

$$
\mathscr D_\varepsilon
$$

為 Round 02 的合法 constant-width finite target $\varepsilon$-net。

若：

$$
\varepsilon
<
\delta_{\mathcal F},
$$

則對每個：

$$
U\in\mathfrak M(\mathcal F),
$$

至少存在：

$$
\widehat K\in\mathscr D_\varepsilon
$$

使：

$$
M_U(\widehat K)
>
0.
$$

所以 finite family：

$$
\mathscr D_\varepsilon
$$

的 non-fit neighborhoods 已覆蓋整個 minimizer set。

因此必存在 finite separating batch：

$$
\boxed{
\mathcal B
\subseteq
\mathscr D_\varepsilon.
}
$$

加入後：

$$
\boxed{
\Lambda(\mathcal F\cup\mathcal B)
>
\Lambda(\mathcal F).
}
$$

---

## 結論 E：建立 separation margin

對 finite batch：

$$
\mathcal B
$$

定義：

$$
\boxed{
S_{\mathcal F}(\mathcal B)
=
\min_{U\in\mathfrak M(\mathcal F)}
\max_{K\in\mathcal B}
M_U(K).
}
$$

若：

$$
\boxed{
S_{\mathcal F}(\mathcal B)>0,
}
$$

則：

$$
\boxed{
\Lambda(\mathcal F\cup\mathcal B)
>
\Lambda(\mathcal F).
}
$$

所以 witness batch 不需要猜測是否「有用」：

只要證：

$$
S_{\mathcal F}(\mathcal B)>0
$$

即可。

---

## 結論 F：未飽和 family 的 certified exchange search 必然有限成功

假設：

1. minimizer-set cell cover resolution：

$$
\tau_n\to0;
$$

2. target dictionary error：

$$
\varepsilon_n\to0;
$$

3. fixed-cover placement certificate error：

$$
\zeta_n\to0.
$$

若：

$$
\Lambda(\mathcal F)<a_{\mathrm{Leb}},
$$

則：

$$
\delta_{\mathcal F}>0.
$$

因此對 sufficiently large finite $n$：

$$
\tau_n+\varepsilon_n+\zeta_n
<
\frac{\delta_{\mathcal F}}{2}.
$$

在那個 finite level，一定能 certified 地找到 separating witness batch。

所以：

$$
\boxed{
\text{NON-SATURATED}
\Rightarrow
\text{FINITE REFINEMENT EVENTUALLY FINDS EXCHANGE BATCH}.
}
$$

這是 Round 06 的主要 termination theorem。

---

## 結論 G：Witness dominance 可正式化

若存在 rigid motion：

$$
g
$$

使：

$$
gK\subseteq L,
$$

則對任何其他 finite family：

$$
\mathcal G,
$$

有：

$$
\boxed{
\Lambda(\mathcal G\cup\{L\})
\ge
\Lambda(\mathcal G\cup\{K\}).
}
$$

所以把 regular polygon：

$$
P_3,P_5
$$

升級成：

$$
B_3,B_5
$$

是一個證明級 dominance upgrade，而不是只是一個 numerical heuristic。

---

本輪判定：

$$
\boxed{
\text{FINITE WITNESS EXCHANGE COMPILER: CLOSED}
}
$$

但：

$$
\boxed{
\text{NEXT WITNESS NUMERIC IDENTITY: COMPUTE-DEFERRED}
}
$$

---

# 1. 公開起點：Mishra 2026

2026 年 Ujjwal Mishra 選擇三個 unit constant-width test sets：

$$
\boxed{
D,\quad B_3,\quad B_5
}
$$

其中：

- $D$：diameter-one disk；
- $B_3$：Reuleaux triangle；
- $B_5$：regular Reuleaux pentagon。

其 certificate 證明：

$$
\boxed{
a_{\mathrm{Leb}}
\ge
0.8344.
}
$$

placement space 為五維，並被 exhaustive subdivision 成 certificate：

$$
486,799,600
$$

個 nodes。

該工作把 search 與 verifier 分離；公開論文報告 floating-point error bound：

$$
1.72\times10^{-9}.
$$

本輪不重跑五億節點。

它被作為：

$$
\boxed{
\mathcal F_3
=
\{D,B_3,B_5\}
}
$$

的 external certified seed。

重要：

$$
0.8344
$$

是：

$$
\Lambda(\mathcal F_3)
$$

的已證 lower bound，不代表：

$$
\Lambda(\mathcal F_3)=0.8344,
$$

也不代表：

$$
\lambda_3=0.8344.
$$

---

# 2. Classical seed ladder

## Level 1：disk

$$
\mathcal F_1=\{D\}.
$$

因此：

$$
\boxed{
\Lambda(\mathcal F_1)
=
\lambda_1
=
\frac{\pi}{4}
\approx
0.7853981634.
}
$$

---

## Level 2：加入 Reuleaux triangle

Reuleaux triangle：

$$
B_3
$$

包含 side-one equilateral triangle：

$$
P_3.
$$

所以由 dominance：

$$
\Lambda(D,B_3)
\ge
\Lambda(D,P_3).
$$

Pál 的 classical value：

$$
\Lambda(D,P_3)
=
\frac{\pi}{8}
+
\frac{\sqrt3}{4}.
$$

因此：

$$
\boxed{
\Lambda(D,B_3)
\ge
\frac{\pi}{8}
+
\frac{\sqrt3}{4}
\approx
0.8257117836.
}
$$

這已經嚴格高於：

$$
\lambda_1.
$$

---

## Level 3：加入 Reuleaux pentagon

Mishra 2026：

$$
\boxed{
\Lambda(D,B_3,B_5)
\ge
0.8344.
}
$$

所以：

$$
\boxed{
\lambda_3
\ge
0.8344.
}
$$

公開已證 upper bound：

$$
a_{\mathrm{Leb}}
\le
0.8440935944.
$$

所以 seed public gap：

$$
\boxed{
0.0096935944.
}
$$

Round 06 的 witness exchange compiler 以此作為正式起點。

---

# 3. 一個重要的方向性警告

對固定 witness family：

$$
\mathcal F,
$$

需要證明的是：

$$
\Lambda(\mathcal F)
=
\min_{\text{placements}}
\operatorname{Area}(\text{hull})
$$

的 **lower bound**。

普通 optimizer 找到一個 placement：

$$
q
$$

只會提供：

$$
\Lambda(\mathcal F)
\le
A(q).
$$

也就是 family minimum 的 upper bound。

這個方向不能用作 Lebesgue lower bound。

Mishra 2026 對 Gibbs 2014 的多-Reuleaux numerical search 特別指出這個問題。

因此 AMRAL witness exchange 必須把：

$$
\boxed{
\text{search}
}
$$

與：

$$
\boxed{
\text{lower certificate}
}
$$

完全分離。

---

# 4. Finite-family configuration domain

令：

$$
\mathcal F
=
\{D,K_2,\ldots,K_m\}.
$$

對：

$$
i\ge2,
$$

寫 placement：

$$
g_i(x)
=
Q_ix+t_i.
$$

固定：

$$
D
$$

於原點。

configuration：

$$
q
=
(Q_2,t_2,\ldots,Q_m,t_m).
$$

定義 hull：

$$
\boxed{
H_{\mathcal F}(q)
=
\operatorname{conv}
\left(
D
\cup
\bigcup_{i=2}^m
(Q_iK_i+t_i)
\right).
}
$$

objective：

$$
\boxed{
A_{\mathcal F}(q)
=
\operatorname{Area}
H_{\mathcal F}(q).
}
$$

---

# 5. Low-area configuration compactification

任取已知 universal upper bound：

$$
\bar A.
$$

只需研究：

$$
A_{\mathcal F}(q)\le\bar A
$$

的 configuration。

因：

$$
D\subseteq H_{\mathcal F}(q),
$$

且 hull 凸，Round 04 radius theorem給：

$$
H_{\mathcal F}(q)
\subseteq
B_R(0),
$$

其中：

$$
R=2\bar A.
$$

又 centered target：

$$
K_i
$$

包含：

$$
0.
$$

所以：

$$
t_i
=
g_i(0)
\in
g_iK_i
\subseteq
H_{\mathcal F}(q).
$$

因此：

$$
\boxed{
\|t_i\|\le R.
}
$$

orientation：

$$
Q_i\in O(2)
$$

compact。

所以 low-area configuration domain 是 compact subset of：

$$
\boxed{
\left(
O(2)\times\overline B_R
\right)^{m-1}.
}
$$

---

# 6. Common rotation gauge

因 disk：

$$
D
$$

對全部：

$$
O(2)
$$

不變。

若對所有：

$$
i\ge2
$$

同時施加同一 rotation：

$$
R_\alpha,
$$

整個 hull 只被共同 rotation：

$$
R_\alpha
$$

作用。

area 不變。

因此當：

$$
m\ge2,
$$

可固定一個 continuous global rotation gauge。

不考慮 individual target symmetry 進一步商空間時：

$$
\boxed{
d_m
=
3(m-1)-1
=
3m-4.
}
$$

其中每個 non-disk target 貢獻：

- 2 translation；
- 1 rotation。

reflection 是 discrete parity branch。

對：

$$
m=3,
$$

得到：

$$
\boxed{
d_3=5.
}
$$

與 Mishra placement domain 一致。

---

# 7. Configuration objective continuity

若：

$$
q_n\to q
$$

於 configuration domain，則每個 placed body：

$$
g_i^{(n)}K_i
$$

在 Hausdorff metric 下收斂到：

$$
g_iK_i.
$$

finite union 對 Hausdorff convergence 連續，convex hull operation 亦連續。

因此：

$$
H_{\mathcal F}(q_n)
\to
H_{\mathcal F}(q).
$$

對平面 convex bodies，area 對 Hausdorff convergence 連續。

所以：

$$
\boxed{
A_{\mathcal F}(q)
\text{ continuous}.
}
$$

compactness 因此再次給出：

$$
\boxed{
\operatorname{Argmin}
A_{\mathcal F}
\neq\varnothing
}
$$

且 compact。

---

# 8. Cover-space minimizer set

configuration minimizers 可能有大量 gauge-equivalent duplicates。

因此定義真正 geometric minimizer set：

$$
\boxed{
\mathfrak M(\mathcal F)
=
\left\{
H_{\mathcal F}(q):
A_{\mathcal F}(q)
=
\Lambda(\mathcal F)
\right\}.
}
$$

則：

$$
\mathfrak M(\mathcal F)
$$

是 compact set of convex bodies。

每個：

$$
U\in\mathfrak M(\mathcal F)
$$

都滿足：

$$
\operatorname{Area}(U)
=
\Lambda(\mathcal F).
$$

---

# 9. Worst-target margin

沿用 Round 03–05：

$$
M_U(K)
$$

為 target：

$$
K
$$

對 fixed cover：

$$
U
$$

的最佳 signed placement margin。

$$
M_U(K)\le0
$$

若且唯若：

$$
K
$$

可放入：

$$
U.
$$

定義：

$$
\boxed{
W(U)
=
\max_{K\in\mathcal W_1^0}
M_U(K).
}
$$

則：

$$
U\text{ universal}
\iff
W(U)\le0.
$$

而：

$$
W
$$

對 cover variable 是 $1$-Lipschitz：

$$
\boxed{
|W(U)-W(V)|
\le
d_H(U,V).
}
$$

---

# 10. Non-universal cover 有 strict positive worst margin

若：

$$
U
$$

不是 universal，存在：

$$
K
$$

不能放入：

$$
U.
$$

Round 03 placement minimization attainment 表示：

$$
M_U(K)
$$

真正取到 minimum。

若：

$$
M_U(K)=0,
$$

則 achieving placement 的全部 support residual：

$$
\le0,
$$

即：

$$
K
$$

可放入：

$$
U,
$$

矛盾。

所以：

$$
M_U(K)>0.
$$

因此：

$$
\boxed{
U\text{ non-universal}
\Rightarrow
W(U)>0.
}
$$

---

# 11. Uniform minimizer violation theorem

## 定理 11.1

若：

$$
\Lambda(\mathcal F)
<
a_{\mathrm{Leb}},
$$

則：

$$
\boxed{
\delta_{\mathcal F}
:=
\min_{U\in\mathfrak M(\mathcal F)}
W(U)
>
0.
}
$$

### 證明

若某：

$$
U\in\mathfrak M(\mathcal F)
$$

為 universal，則：

$$
a_{\mathrm{Leb}}
\le
\operatorname{Area}(U)
=
\Lambda(\mathcal F)
<
a_{\mathrm{Leb}},
$$

矛盾。

所以所有：

$$
U\in\mathfrak M(\mathcal F)
$$

均 non-universal。

由上一節：

$$
W(U)>0
$$

對所有 minimizers 成立。

$$
\mathfrak M(\mathcal F)
$$

compact，$W$ continuous。

所以其 minimum 被取到且為正。

Q.E.D.

---

# 12. 這個 $\delta_{\mathcal F}$ 的意義

Round 05 只保證：

> 每個 minimizer 都漏掉某個 target。

Round 06 現在得到：

$$
\boxed{
\text{每個 minimizer 都至少漏出 }\delta_{\mathcal F}
\text{ 的 signed margin}.
}
$$

這使 finite target approximation 可以真正介入。

---

# 13. Target dictionary transfer

Round 02 已建立：

對任意：

$$
\varepsilon>0,
$$

存在 finite legal dictionary：

$$
\mathscr D_\varepsilon
\subset
\mathcal W_1^0
$$

使對任意：

$$
K\in\mathcal W_1^0,
$$

存在：

$$
\widehat K\in\mathscr D_\varepsilon
$$

滿足：

$$
d_H(K,\widehat K)
\le
\varepsilon.
$$

Round 02–03：

$$
\boxed{
|M_U(K)-M_U(\widehat K)|
\le
d_H(K,\widehat K).
}
$$

---

# 14. Finite dictionary separates all current minimizers

## 定理 14.1

若：

$$
\Lambda(\mathcal F)
<
a_{\mathrm{Leb}}
$$

且：

$$
0<\varepsilon<\delta_{\mathcal F},
$$

則對每個：

$$
U\in\mathfrak M(\mathcal F)
$$

存在：

$$
\widehat K\in\mathscr D_\varepsilon
$$

使：

$$
\boxed{
M_U(\widehat K)
\ge
\delta_{\mathcal F}-\varepsilon
>
0.
}
$$

### 證明

選 true worst target：

$$
K_U
$$

使：

$$
M_U(K_U)
=
W(U)
\ge
\delta_{\mathcal F}.
$$

取 dictionary approximation：

$$
d_H(K_U,\widehat K)
\le
\varepsilon.
$$

由 target Lipschitz：

$$
M_U(\widehat K)
\ge
M_U(K_U)-\varepsilon
\ge
\delta_{\mathcal F}-\varepsilon.
$$

Q.E.D.

---

# 15. Non-fit neighborhood cover

對：

$$
K\in\mathscr D_\varepsilon,
$$

定義：

$$
\boxed{
\mathcal N_K
=
\left\{
U\in\mathfrak M(\mathcal F):
M_U(K)>0
\right\}.
}
$$

因：

$$
M_U(K)
$$

對 $U$ continuous，

$$
\mathcal N_K
$$

是 minimizer set 中的 open set。

定理 14.1 表示：

$$
\boxed{
\mathfrak M(\mathcal F)
\subseteq
\bigcup_{K\in\mathscr D_\varepsilon}
\mathcal N_K.
}
$$

而：

$$
\mathscr D_\varepsilon
$$

本身 finite。

因此它已經是一個 finite open cover。

---

# 16. Separating batch

任取 subfamily：

$$
\mathcal B
\subseteq
\mathscr D_\varepsilon
$$

使：

$$
\boxed{
\mathfrak M(\mathcal F)
\subseteq
\bigcup_{K\in\mathcal B}
\mathcal N_K.
}
$$

稱：

$$
\mathcal B
$$

為：

$$
\boxed{
\text{minimizer-set separating witness batch}.
}
$$

最簡單永遠可取：

$$
\mathcal B
=
\mathscr D_\varepsilon.
$$

實務上則解 finite set-cover / hitting-set 壓縮 batch。

---

# 17. Separation margin

定義：

$$
\boxed{
S_{\mathcal F}(\mathcal B)
=
\min_{U\in\mathfrak M(\mathcal F)}
\max_{K\in\mathcal B}
M_U(K).
}
$$

如果：

$$
\mathcal B
$$

只是 topological separating batch，則：

$$
S_{\mathcal F}(\mathcal B)
$$

至少是非負。

若具有 robust separation：

$$
\boxed{
S_{\mathcal F}(\mathcal B)>0,
}
$$

則可抵抗 numerical / cell / target approximation errors。

Round 06 將 robust batch 作為正式 exchange certificate。

---

# 18. Exchange theorem

## 定理 18.1

若：

$$
S_{\mathcal F}(\mathcal B)>0,
$$

則：

$$
\boxed{
\Lambda(\mathcal F\cup\mathcal B)
>
\Lambda(\mathcal F).
}
$$

### 證明

反設：

$$
\Lambda(\mathcal F\cup\mathcal B)
=
\Lambda(\mathcal F).
$$

由 finite-family attainment，存在 area：

$$
\Lambda(\mathcal F)
$$

的 cover：

$$
U^\star
$$

覆蓋：

$$
\mathcal F\cup\mathcal B.
$$

因：

$$
U^\star
$$

也 cover：

$$
\mathcal F
$$

且 area 達到：

$$
\Lambda(\mathcal F),
$$

所以：

$$
U^\star\in\mathfrak M(\mathcal F).
$$

但：

$$
S_{\mathcal F}(\mathcal B)>0
$$

表示存在：

$$
K\in\mathcal B
$$

使：

$$
M_{U^\star}(K)>0.
$$

故：

$$
U^\star
$$

不能 cover：

$$
K.
$$

矛盾。

Q.E.D.

---

# 19. Separation margin also forces distance from old minimizer set

令：

$$
s
=
S_{\mathcal F}(\mathcal B)>0.
$$

若某 cover：

$$
V
$$

覆蓋全部：

$$
\mathcal B,
$$

則對任意：

$$
U\in\mathfrak M(\mathcal F),
$$

存在：

$$
K_U\in\mathcal B
$$

使：

$$
M_U(K_U)\ge s.
$$

而：

$$
M_V(K_U)\le0.
$$

由 cover-variable Lipschitz：

$$
s
\le
M_U(K_U)-M_V(K_U)
\le
d_H(U,V).
$$

因此：

$$
\boxed{
d_H
\left(
V,
\mathfrak M(\mathcal F)
\right)
\ge
s.
}
$$

所以新 feasible covers 必須離開整個 old minimizer set 至少 Hausdorff distance：

$$
s.
$$

---

# 20. Quantitative area-gap modulus

定義：

$$
\boxed{
\gamma_{\mathcal F}(s)
=
\min
\left\{
\operatorname{Area}(V)-\Lambda(\mathcal F):
\begin{array}{l}
V\text{ covers }\mathcal F,\\
V\in\mathcal C_{\bar A},\\
d_H(V,\mathfrak M(\mathcal F))\ge s
\end{array}
\right\}.
}
$$

compactness + continuity 給：

$$
\boxed{
\gamma_{\mathcal F}(s)>0
\qquad
(s>0).
}
$$

因此若：

$$
S_{\mathcal F}(\mathcal B)\ge s>0,
$$

則：

$$
\boxed{
\Lambda(\mathcal F\cup\mathcal B)
\ge
\Lambda(\mathcal F)
+
\gamma_{\mathcal F}(s).
}
$$

目前：

$$
\gamma_{\mathcal F}(s)
$$

是 abstract compactness modulus。

未來可由 Round 04 candidate-cell area lower bounds 數值下界化。

---

# 21. Certified minimizer-cell cover

直接表示 exact：

$$
\mathfrak M(\mathcal F)
$$

可能計算困難。

因此建立 finite cells：

$$
\mathfrak C_1,\ldots,\mathfrak C_J
$$

使：

$$
\boxed{
\mathfrak M(\mathcal F)
\subseteq
\bigcup_{j=1}^J
\mathfrak C_j.
}
$$

每個 cell 指定 representative：

$$
U_j
$$

與 certified radius：

$$
\tau_j
$$

使：

$$
\boxed{
d_H(U,U_j)
\le
\tau_j
\qquad
\forall U\in\mathfrak C_j.
}
$$

cells 可來自：

- placement-space boxes；
- support-height cells；
- hull-support interval cells；
- branch-and-bound minimizer boxes。

---

# 22. Robust cell-witness rule

若對某：

$$
K
$$

有 certified representative margin lower bound：

$$
M_{U_j}(K)
\ge
\mu_{j,K},
$$

則對任何：

$$
U\in\mathfrak C_j
$$

有：

$$
M_U(K)
\ge
\mu_{j,K}-\tau_j.
$$

所以若：

$$
\boxed{
\mu_{j,K}
>
\tau_j,
}
$$

則：

$$
\boxed{
K
\text{ excludes the entire minimizer cell }\mathfrak C_j.
}
$$

若 margin certificate 本身另有 error：

$$
\zeta_{j,K},
$$

只需：

$$
\boxed{
\underline\mu_{j,K}
-
\tau_j
>
0.
}
$$

---

# 23. Finite set-cover compiler

建立 binary incidence matrix：

$$
C_{jK}
=
\begin{cases}
1,
&
K\text{ certified excludes cell }j,\\
0,
&
\text{otherwise}.
\end{cases}
$$

要求：

$$
\forall j,
\qquad
\sum_{K\in\mathcal B}
C_{jK}
\ge1.
$$

因此 witness batch compression 變成 finite：

$$
\boxed{
\text{set cover / hitting set}
}
$$

problem。

objective 可選：

- 最小 witness count；
- 最大 minimum margin；
- 最低 future certificate cost；
- symmetry-diverse batch；
- mixed objective。

這是 computational optimization，不影響 correctness。

---

# 24. Witness-exchange eventual-success theorem

## 定理 24.1

假設：

$$
\Lambda(\mathcal F)<a_{\mathrm{Leb}}.
$$

令：

$$
\tau_n\to0
$$

為 certified minimizer-cell radii，

$$
\varepsilon_n\to0
$$

為 target dictionary Hausdorff error，

$$
\zeta_n\to0
$$

為 placement-margin certificate error。

則存在 finite：

$$
n_\star
$$

使在第：

$$
n_\star
$$

層可 certified 地找到 separating witness batch。

### 證明

由定理 11.1：

$$
\delta_{\mathcal F}>0.
$$

選：

$$
n
$$

足夠大使：

$$
\tau_n
+
\varepsilon_n
+
\zeta_n
<
\frac{\delta_{\mathcal F}}{2}.
$$

任取 minimizer cell：

$$
\mathfrak C_j
$$

與其中任一 true minimizer：

$$
U.
$$

選 true worst target：

$$
K_U
$$

滿足：

$$
M_U(K_U)
\ge
\delta_{\mathcal F}.
$$

Round 02 dictionary 中存在：

$$
\widehat K
$$

使：

$$
d_H(K_U,\widehat K)
\le
\varepsilon_n.
$$

所以：

$$
M_U(\widehat K)
\ge
\delta_{\mathcal F}-\varepsilon_n.
$$

轉到 representative：

$$
U_j,
$$

margin 再最多損失：

$$
\tau_n.
$$

certificate 再損失：

$$
\zeta_n.
$$

所以 certified lower margin：

$$
>
\delta_{\mathcal F}
-
\varepsilon_n
-
\tau_n
-
\zeta_n
>
\frac{\delta_{\mathcal F}}{2}
>
0.
$$

因此每個 minimizer cell 都被至少一個 finite dictionary target certified 排除。

finite set cover 產生 separating batch。

Q.E.D.

---

# 25. Semi-decision interpretation

定理 24.1 表示：

$$
\boxed{
\text{如果 family 確實尚未 saturated，
exchange search 理論上不會永遠失敗。}
}
$$

但反方向不成立：

> 在有限 computation budget 內還沒找到 separating batch

不能推出：

$$
\Lambda(\mathcal F)=a_{\mathrm{Leb}}.
$$

可能只是：

- minimizer cells 太粗；
- target dictionary 太粗；
- placement certificate 太粗；
- solver 還沒完成；
- margin 很小。

所以 exact saturation 仍需 Round 05 的 matching lower/upper certificate。

---

# 26. Witness dominance theorem

定義：

$$
K\preceq L
$$

若存在 rigid motion：

$$
g
$$

使：

$$
gK\subseteq L.
$$

## 定理 26.1

若：

$$
K\preceq L,
$$

則對任何 finite family：

$$
\mathcal G,
$$

有：

$$
\boxed{
\Lambda(\mathcal G\cup\{L\})
\ge
\Lambda(\mathcal G\cup\{K\}).
}
$$

### 證明

任何能同時容納：

$$
\mathcal G
$$

與某個 congruent copy of：

$$
L
$$

的 convex cover，自動能容納：

$$
gK\subseteq L.
$$

所以 covering constraint for $L$ 至少和 $K$ 一樣強。

對 minimal area 取 minimum 即得。

Q.E.D.

---

# 27. Reuleaux replacement as dominance upgrade

regular Reuleaux：

$$
B_n
$$

包含其 regular polygon：

$$
P_n.
$$

所以：

$$
P_n\preceq B_n.
$$

因此：

$$
\Lambda(D,B_3,B_5)
\ge
\Lambda(D,P_3,P_5).
$$

這把 Mishra 的 conceptual improvement 精確分類為：

$$
\boxed{
\text{DOMINANCE-UPGRADE}
}
$$

而不是單純加入更多 test sets。

---

# 28. Witness ancestry labels

Round 06 建議所有新 witness 都記錄 ancestry。

## `REUSED`

原 family 已存在。

## `DOMINANCE-UPGRADE`

新 witness：

$$
L
$$

dominates old：

$$
K\preceq L.
$$

可以考慮 replace 而不增加 cardinality。

## `NEW-SEPARATOR`

不由既有 witness dominance 推出，但 certified 排除 current minimizer cells。

## `BATCH-ONLY`

單獨不能覆蓋 minimizer set，但和其他 witnesses 一起形成 separating batch。

## `REDUNDANT`

從 batch 移除後仍保持：

$$
S_{\mathcal F}(\mathcal B)>0.
$$

## `SEARCH-ONLY`

只有 numerical score，沒有 certified positive margin。

## `FALSE-POSITIVE`

更嚴格驗證後 margin 不再為正。

## `COMPUTE-DEFERRED`

身份尚待本地／其他 AI 計算。

---

# 29. Seed sanity：disk minimizer 被 Reuleaux triangle 嚴格分離

對：

$$
\mathcal F_1=\{D\},
$$

唯一 geometric minimizer 是：

$$
D=B_{1/2}.
$$

Reuleaux triangle：

$$
B_3
$$

的三個 corners 形成 side-one equilateral triangle。

其 minimum enclosing circle radius：

$$
\frac1{\sqrt3}.
$$

所以把：

$$
B_3
$$

放入 radius-$1/2$ disk 的 signed radial deficiency 至少：

$$
\boxed{
\delta_{D,B_3}
=
\frac1{\sqrt3}
-
\frac12
\approx
0.0773502692.
}
$$

因此：

$$
B_3
$$

是 disk minimizer 的 robust positive separator。

Round 05 exchange theorem隨即保證：

$$
\Lambda(D,B_3)
>
\Lambda(D).
$$

另因：

$$
P_3\subseteq B_3,
$$

有：

$$
\Lambda(D,B_3)
\ge
\frac{\pi}{8}
+
\frac{\sqrt3}{4}
\approx
0.8257117836.
$$

這是 witness exchange compiler 的第一個解析 sanity seed。

---

# 30. Mishra seed 的下一步不是直接猜 $B_7$

對：

$$
\mathcal F_3
=
\{D,B_3,B_5\},
$$

直覺上可測：

- $B_7$；
- $B_9$；
- $B_{11}$；
- 更多 regular Reuleaux odd-gons。

但 Round 06 的正式策略不是：

> 下一個 witness 一定是 regular Reuleaux polygon。

而是：

$$
\boxed{
\text{先求 current minimizer cells}
\to
\text{再跑 adversarial target oracle}.
}
$$

oracle target domain 是 Round 02 的全部 constant-width finite dictionary。

因此：

- regular Reuleaux polygons 是 search priors；
- asymmetric / low-symmetry constant-width shapes 也必須允許；
- high odd Fourier modes 也不能事先排除。

---

# 31. Adversarial target oracle

對 fixed cover：

$$
U,
$$

目標是：

$$
\boxed{
W(U)
=
\max_{K\in\mathcal W_1^0}
M_U(K).
}
$$

Round 02：

$$
\mathscr D_\varepsilon
$$

提供 finite target dictionary。

Round 03：

對每個：

$$
\widehat K\in\mathscr D_\varepsilon
$$

提供 certified：

$$
M_U(\widehat K)
$$

interval。

因此可建立 finite adversarial oracle：

```text
INPUT:
    minimizer cell representative U_j
    target dictionary D_epsilon
    placement certificate resolution

FOR each target K_hat in D_epsilon:
    certify lower/upper margin M_Uj(K_hat)

SELECT:
    targets with positive certified lower margin

ROBUSTIFY:
    subtract minimizer-cell Hausdorff radius tau_j

OUTPUT:
    all targets that still have positive robust margin
```

---

# 32. Full witness exchange compiler

```text
INPUT:
    current finite witness family F
    known certified lower value L = Lambda(F) or lower certificate
    known upper incumbent A_plus

STEP 1 — MINIMIZER DOMAIN
    branch-and-bound the placement/configuration space
    retain cells compatible with near-minimum hull area

STEP 2 — MINIMIZER COVER
    construct certified cover of Argmin / minimizing cover set
    each cell gets Hausdorff radius tau_j

STEP 3 — ADVERSARIAL TARGETS
    generate legal constant-width target dictionary D_epsilon

STEP 4 — MARGIN TEST
    for every minimizer cell and target:
        certify M_Uj(K)
        subtract cell + target + solver errors

STEP 5 — INCIDENCE
    C[j,K] = 1 iff K robustly excludes entire cell j

STEP 6 — BATCH COMPRESSION
    solve finite set cover / hitting set
    obtain B

STEP 7 — EXCHANGE CERTIFICATE
    verify every minimizer cell is hit with positive margin
    conclude S_F(B) > 0

STEP 8 — LOWER UPDATE
    F <- F union B
    certify Lambda(F) > old Lambda

STEP 9 — ANCESTRY
    label every new target:
        dominance-upgrade / new-separator / batch-only / redundant

REPEAT
    until lower and upper certificates match.
```

---

# 33. Search / certificate separation

本輪再次強調：

adversarial optimizer 找到：

$$
K
$$

只代表：

$$
K
$$

可能有效。

要進正式 batch，必須有：

$$
\boxed{
\text{positive certified lower margin}
}
$$

對 minimizer cell。

同理，新的 family optimizer 找到 hull area：

$$
A_{\mathrm{search}}
$$

只提供：

$$
\Lambda(\mathcal F)\le A_{\mathrm{search}}.
$$

要把 lower bound 往上推，必須跑：

$$
\boxed{
\text{exhaustive / interval / erosion / finite lower certificate}.
}
$$

搜尋與證明方向相反，絕不能混淆。

---

# 34. 與 Mishra certificate 的接口

Mishra 2026 已提供：

$$
\mathcal F_3
=
\{D,B_3,B_5\}
$$

的 certified global lower bound：

$$
\Lambda(\mathcal F_3)\ge0.8344.
$$

其五維 placement search 已經是 Round 06：

$$
\text{STEP 1}
+
\text{STEP 8 lower certification}
$$

的一個外部大型實例。

我們真正需要新增的是：

$$
\boxed{
\text{STEP 2--7:
minimizer-set reconstruction + adversarial target exchange}.
}
$$

Mishra paper 並不聲稱已經完成這個 exchange problem。

---

# 35. External search prior from larger Reuleaux families

Gibbs 2014 曾對更多 Reuleaux polygons 作 numerical search。

Mishra 2026 特別指出：

numerical optimizer 的 placement value是 family minimum：

$$
\Lambda(\mathcal F)
$$

的 upper bound，不是 Lebesgue lower bound。

因此這類結果只能記為：

`SEARCH-PRIOR`

可用來：

- 選 seed witness pool；
- 初始化 placements；
- 猜 minimizer topology；

但不能進 lower-bound ledger，除非後續有 exhaustive lower certificate。

---

# 36. COMPUTE-DEFERRED

Round 06 的核心 theorem 不需五億節點重跑。

真正數值工作現在已被精確定義。

## C06-1：Mishra certificate ingestion

來源：

- arXiv:2608.30538；
- official code repository。

任務：

1. 取得 $D,B_3,B_5$ normalized placement domain；
2. 解析 certificate leaf / box schema；
3. 找接近 threshold 的 surviving / near-minimizer boxes；
4. 不必先重跑全部 search；
5. 先建立 minimizer-cell dataset。

---

## C06-2：Near-minimizer reconstruction

目標：

建立：

$$
\widehat{\mathfrak M}(\mathcal F_3)
$$

的 finite box cover。

每 cell 保存：

- five placement intervals；
- hull-area lower / upper；
- induced hull support intervals；
- Hausdorff radius；
- symmetry branch；
- provenance hash。

---

## C06-3：Adversarial target dictionary

第一階段 target pool：

1. $B_7,B_9,B_{11},\ldots$；
2. regular Reuleaux odd-gons；
3. Round 02 low-degree Fourier legal dictionary；
4. asymmetric low-symmetry constant-width samples；
5. high odd-mode perturbations。

不得只跑 regular Reuleaux family。

---

## C06-4：Robust incidence matrix

對：

$$
\text{minimizer cells}\times\text{target candidates}
$$

計算 certified：

$$
\underline M_{jK}.
$$

若：

$$
\underline M_{jK}>0,
$$

標記：

$$
C_{jK}=1.
$$

---

## C06-5：Separating batch

解 set-cover：

$$
\min|\mathcal B|
$$

使每個 minimizer cell 都被至少一個 witness hit。

再做：

- redundancy removal；
- symmetry quotient；
- ancestry labeling。

---

## C06-6：New family lower certificate

新 family：

$$
\mathcal F_4
\text{ or }
\mathcal F_{3+r}
$$

必須重新做 rigorous global lower certificate。

先求有進展：

- search optimum；
- minimizer structure；
- candidate threshold；

再交本地端做 exhaustive certificate。

標記：

`COMPUTE-DEFERRED`

---

# 37. 本輪 sanity validation

Round 06 使用三個 proof-level sanity facts。

## S1：Continuous dimension

對：

$$
m=3,
$$

$$
d_m=3m-4=5.
$$

`PASS`

---

## S2：disk-to-Reuleaux-triangle violation

$$
\delta
=
\frac1{\sqrt3}-\frac12
\approx
0.0773502692
>
0.
$$

`PASS`

---

## S3：seed ladder

$$
\lambda_1
=
\frac{\pi}{4}
\approx
0.7853981634,
$$

$$
\Lambda(D,B_3)
\ge
\frac{\pi}{8}
+
\frac{\sqrt3}{4}
\approx
0.8257117836,
$$

$$
\Lambda(D,B_3,B_5)
\ge
0.8344.
$$

strict observed certified ladder：

$$
0.785398\ldots
<
0.825711\ldots
<
0.8344.
$$

`PASS`

---

# 38. RCHM freedom ledger

Round 05 residual：

$$
\mathcal F_5
=
\{
\text{finite attainment},
\text{witness discovery},
\text{minimizer-set structure},
\text{certificate cost}
\}.
$$

Round 06：

## Witness discovery

從：

$$
\text{open-ended guess}
$$

壓成：

$$
\boxed{
\text{adversarial target oracle over compact minimizer set}
}
$$

## Minimizer-set structure

從：

$$
\text{unknown continuum}
$$

壓成：

$$
\boxed{
\text{compact configuration / hull domain}
}
$$

並可由 finite cells逼近。

## Exchange legality

從：

$$
\text{add a shape and hope}
$$

壓成：

$$
\boxed{
S_{\mathcal F}(\mathcal B)>0
}
$$

的 exact criterion。

## Remaining

- actual $\mathcal F_3$ minimizer-cell reconstruction；
- actual next separating batch；
- new certified lower threshold；
- finite attainment。

---

# 39. Round 07 指定題目

## AMRAL-LUC-FC-R07
### Mishra-Seed Minimizer Atlas and Next-Witness Search Protocol

Round 07 分兩層。

### Proof layer

1. 把 five-dimensional $\mathcal F_3$ domain 轉成 minimizer-atlas schema；
2. 定義 near-minimizer threshold bands；
3. 定義 hull-support interval extraction；
4. 定義 target-vs-cell robust margin formula；
5. 建立 set-cover witness batch format。

### Compute-deferred layer

若 official certificate / data量過大：

- 不在雲端對話硬跑；
- 產生本地計算規格；
- 先用小型 near-minimizer sample / coarse reconstruction；
- 讓本地端做 certificate ingestion 與大規模 adversarial search。

下一輪真正想知道的是：

$$
\boxed{
\text{在 }D+B_3+B_5\text{ 的 minimizer frontier 上，
哪一類 target 最先漏出？}
}
$$

---

# 40. Reproducibility checklist

## Compact placement domain

`PROVED`

## $m=3$ five-dimensional gauge count

`PROVED / MATCHES EXTERNAL CERTIFIED SETUP`

## Minimizer-set compactness

`PROVED`

## Uniform positive violation if non-saturated

`PROVED`

## Finite target-dictionary separation

`PROVED`

## Robust separation margin

`PROVED`

## Strict witness-exchange improvement

`PROVED`

## Eventual finite exchange discovery if non-saturated

`PROVED`

## Witness dominance

`PROVED`

## Mishra seed ingestion

`EXTERNAL RESULT IDENTIFIED`

## New witness identity

`COMPUTE-DEFERRED`

## New numerical lower bound

`NONE`

---

# 41. 最短交接結論

Round 06 把 Round 05 的：

$$
\text{there exists a better finite witness family}
$$

升級成：

$$
\boxed{
\text{there exists a finite-resolution algorithm that must eventually find
a separating witness batch whenever the current family is non-saturated}.
}
$$

核心量：

$$
\boxed{
\delta_{\mathcal F}
=
\min_{U\in\mathfrak M(\mathcal F)}
W(U)
}
$$

若：

$$
\Lambda(\mathcal F)<a_{\mathrm{Leb}},
$$

則：

$$
\delta_{\mathcal F}>0.
$$

所以 sufficiently fine：

- minimizer cells；
- target dictionary；
- placement certificate；

一定會形成 finite incidence matrix，並找出：

$$
\mathcal B
$$

使：

$$
\boxed{
S_{\mathcal F}(\mathcal B)>0.
}
$$

隨即：

$$
\boxed{
\Lambda(\mathcal F\cup\mathcal B)
>
\Lambda(\mathcal F).
}
$$

因此從 Round 07 起，真正的數學／計算問題不再是「有沒有下一個 witness」，而是：

$$
\boxed{
\text{下一個 certified separating witness 是誰？}
}
$$

---

# 參考文獻

1. J. C. Baez, K. Bagdasaryan, P. Gibbs, *The Lebesgue Universal Covering Problem*, arXiv:1502.01251.
2. P. Gibbs, *An Upper Bound for Lebesgue's Covering Problem*, arXiv:1810.10089, 2018.
3. U. Mishra, *Curves of constant width and Lebesgue's covering problem*, arXiv:2608.30538, 2026.
4. S. Zeng, *An exact hierarchy for Lebesgue's universal covering constant and a certified 0.834 lower bound*, arXiv:2609.01284, 2026.
5. N. Xie, *A Reproducible Certificate for the Brass--Sharifi Lower Bound in Lebesgue's Universal Cover Problem*, arXiv:2606.04458, 2026.
6. R. Schneider, *Convex Bodies: The Brunn–Minkowski Theory*.
7. Neo.K + Aletheia, *AMRAL × Lebesgue Universal Covering — Round 00–05*, 2026-09-18.

---

# 42. 宣告

本輪沒有宣稱：

- 找到超越 $0.8344$ 的新 certified witness family；
- Mishra family 的 exact minimum 等於 $0.8344$；
- regular Reuleaux $B_7$ 或其他特定形狀必然是下一個 hard witness；
- Finite Witness Attainment Conjecture 已證。

本輪真正完成的是：

$$
\boxed{
\text{finite witness existence}
\to
\text{certified witness exchange compiler}.
}
$$

大型 certificate ingestion 與下一個實際 hard witness 的搜尋交給 Round 07 / 本地端計算層。