一、核心概念先验

行业内所述的一端式、两段式发展浪潮，本质是自动驾驶从传统分层模块化架构，向端到端（E2E）数据驱动架构演进的两条核心技术路线：

• 两段式端到端：也叫模块化端到端/中间表征驱动架构，是当前量产落地的主流方案。核心是将自动驾驶链路拆分为「感知抽象层+决策规控层」两个可独立优化、联合训练的阶段：第一阶段将原始传感器数据转化为可解释、可监督的中间表征（BEV特征、OCC占用栅格、语义地图等）；第二阶段基于中间表征生成驾驶轨迹/控制指令，兼顾了端到端的全局优化能力与模块化的可解释性。
• 一段式端到端：也叫全链路端到端/单模型端到端，是行业技术演进的终局方向之一。核心是用单一神经网络实现「传感器原始输入→车辆控制指令」的端到端映射，无显式拆分的中间模块，训练目标直接对齐最终驾驶效果，更接近人类驾驶的“直觉式”决策。

而全局规划（Routing），传统定义是自动驾驶系统的顶层导航模块，核心是在道路拓扑网络中，求解从起点到终点满足代价约束的最优宏观路径，是整个驾驶任务的战略锚点。

二、传统分层架构下Routing的原生定位（基准线）

传统自动驾驶采用「全局Routing→行为决策→轨迹规划→车辆控制」的四层分层架构，Routing是整个系统的战略级导航核心，其原生功能与角色如下：

1. 核心功能：基于SD/HD地图的道路拓扑网络，结合起终点、用户驾驶偏好、实时交通信息，通过A*、Dijkstra、分层路网搜索等算法，输出车道级参考路径、语义导航指令（直行、左转、汇入、调头等）[语义导航与局部决策功能部分重叠，模块化设计中局部决策可以调整参考线±车道宽来实现换道]，更新频率0.1-1Hz，以静态离散拓扑搜索为主。
2. 核心角色：
• 下游模块的绝对主导锚点：行为决策、轨迹规划的所有动作，都必须严格围绕Routing输出的参考路径展开，是驾驶任务的刚性基准；
• 长周期任务的语义拆解者：将“从起点到终点”的长周期驾驶任务，拆解为一系列可执行的短周期语义动作，实现宏观导航与微观驾驶的衔接；
• 系统安全的顶层约束者：提前规避禁行、封闭、高风险路段，为下游规划提供合法的道路级边界，从源头规避合规风险。

三、端到端浪潮下Routing的功能与角色核心变化

（一）两段式端到端架构：从「独立核心模块」到「全局约束与引导模块」

两段式架构并未消解Routing的独立存在，而是重构了其功能边界与角色定位，实现了从“硬主导”到“软协同”的转变。

1. 功能边界的重构
• 输出形态从「刚性参考线」转向「柔性目标约束」：传统Routing输出的是必须严格跟随的车道级路径点序列，两段式架构下，其输出转变为全局目标语义+道路拓扑约束，通常转化为向量嵌入输入到决策规控大模型中，而非给下游提供硬参考线；
• 核心功能的迁移与保留：车道级路径搜索功能被下放到决策规控模型，模型基于BEV/OCC中间表征，结合全局目标自主生成局部最优路径；而Routing保留了全局拓扑搜索、用户需求解析、动态交通适配的核心能力，负责解决“走哪条路”的宏观决策；
• 新增安全兜底功能：承担端到端模型的决策纠偏职责，当模型输出的轨迹偏离全局目标、违反道路拓扑约束时，Routing会触发修正指令，强制模型回归合法路径，解决端到端模型的“目标漂移”问题。
2. 角色定位的转变
• 从「下游模块的绝对主导者」变为「端到端模型的引导者」：不再是刚性约束基准，而是为模型提供长周期的全局目标导向，避免模型陷入局部最优（如为了避障持续偏离目的地方向）；
• 从「静态离线规划」变为「动态在线协同」：从仅在起终点变化、路径阻断时重规划，转变为与感知、规控模块实时联动，结合实时交通、模型决策状态动态更新全局约束，实现“全局-局部”的闭环协同；
• 从「纯规则驱动」变为「规则+数据驱动融合」：在传统拓扑搜索的基础上，引入海量人类驾驶数据优化代价函数，让全局规划更贴合端到端模型的驾驶风格，避免“全局规划要求变道，模型决策不愿变道”的冲突。

• 「动态在线协同」，是两段式量产落地的唯一解

  工程上的核心设计，是让 Routing 从 “一锤子买卖的路径计算器”，变成 “端到端模型的实时领航员 + 安全监督员”，它的动态在线，完全聚焦在模型做不好的事上：

  划重点：两段式里的 Routing，核心权责依然是「全局路径规划 + 目标引导」，只是因为模型没有长周期全局能力，所以必须从离线静态，变成在线动态协同，给模型补短板、兜底线。

• 超视距全局信息的实时同步
  ：Routing 提前 5-10 公里预加载路况、交通管制、事故信息，实时更新全局路径的关键节点，把「前方 1 公里左转、3 公里后驶出高速」的语义引导 token，高频同步给模型，解决模型的短视问题。
• 与模型状态的闭环协同
  ：Routing 实时接收模型的轨迹偏差、决策置信度、执行状态，动态调整引导策略 —— 模型为了避障临时偏离路径，Routing 不会直接触发重规划，而是判断偏离合理性，微调引导让模型平稳回归；模型迟迟不响应变道引导，Routing 逐步提升约束强度，从软引导到硬约束，避免错过路口。
• 动态路况的实时适配
  ：Routing 实时对接云端交通信息，一旦发现前方路段通行效率下降超过阈值，提前触发重规划，在模型进入拥堵段前就完成路线切换，保证全局最优，而不是等堵死了再动。
• 实时安全监控与兜底
  ：Routing 以 10Hz 的频率，校验模型输出轨迹的合法性、与全局目标的对齐度，一旦发现越界、偏离，马上触发修正、仲裁甚至接管，给黑箱模型加一个实时的安全闸。

（二）一段式端到端架构：从「显式独立模块」到「隐式目标嵌入核心」

一段式架构下，Routing的显式路径搜索功能完全消解，但其核心价值不仅没有消失，反而从“系统中间组件”升级为“驾驶任务的定义入口”，实现了颠覆性的角色重构。

1. 功能的根本性重构
• 显式路径搜索功能完全消解：一段式架构无独立的Routing、行为、轨迹规划模块，单一模型完成全链路映射，传统Routing的“道路拓扑搜索、参考路径生成”功能，被模型的隐式特征学习完全替代——模型通过海量驾驶数据，自主学习从当前位置到目的地的路径选择逻辑；
• 核心功能收敛为「任务目标的定义与嵌入」：Routing的核心价值从“生成路径”，转变为将用户的导航需求（起点、终点、途经点、驾驶偏好）转化为模型可理解的目标嵌入向量，作为模型推理的核心条件输入，解决端到端模型“去哪里”的根本问题，是模型输出符合用户预期动作的前提；
• 核心新增功能为「安全合规的硬约束注入」：作为全黑箱系统中少数可解释、可控制的规则化锚点，将交通法规、禁行规则、道路拓扑约束等硬规则，转化为模型推理的强制约束条件，避免模型输出违规、偏离目的地的决策，解决纯黑箱模型的可控性难题。
2. 角色定位的颠覆性变化
• 从「系统中间执行模块」变为「驾驶任务的定义入口」：一段式架构下，Routing是用户需求与端到端模型之间的唯一桥梁，用户的导航需求必须通过Routing转化为模型可理解的输入，是整个自动驾驶任务的起点，而非中间执行环节；
• 从「高频更新的规划模块」变为「低频稳定的目标锚点」：从准实时更新路径，转变为仅在用户修改导航目标、全局路径出现不可逾越阻断时，才更新目标嵌入，其余时间作为稳定的全局锚点，保证长距离驾驶的一致性；
• 从「可替代功能模块」变为「系统不可缺失的核心组件」：无论端到端模型多强大，都必须解决“用户要去哪里”的核心问题，Routing成为连接用户需求与模型能力的不可替代环节，同时也是黑箱系统中少数可追溯、可审计的安全抓手，重要性不降反升。

（三）变化的核心趋势总结

1. 输出形态：从「刚性参考线输出」到「柔性目标约束与向量嵌入」；
2. 角色定位：从「下游模块的绝对主导者」到「端到端模型的引导者」；
3. 存在形态：从「显式独立规则模块」到「与端到端模型深度融合的隐式核心」。

端到端浪潮下全局规划（Routing）

一、工程落地的核心前提与架构选型基准

1. 不可突破的硬约束（量产红线）

所有工程设计必须优先满足以下合规与安全要求，这是Routing模块不能被端到端模型完全替代的核心原因：

• 功能安全：导航与全局规划模块需满足ISO 26262 ASIL-B等级要求，而端到端规控大模型当前仅能达到QM（质量管理）等级，无法通过ASIL-B认证，必须保留独立的安全冗余模块；
  
• 预期功能安全SOTIF：需覆盖感知失效、模型漂移、路网突变等极限场景，具备可解释、可追溯、可干预的安全兜底能力；
  
• 法规合规：需满足《道路交通安全法》对机动车通行规则的硬约束，所有决策必须具备可审计性，黑箱模型无法单独承担合规责任。

2. 量产主流架构选型

当前国内小鹏、华为、理想、蔚来等车企的城市NOA、高速NOA量产方案，采用Routing 衔接「两段式端到端 + 确定性白盒安全岛」的双轨架构，而非将Routing完全融入黑箱模型。

• 核心设计原则：安全与决策解耦，规则与数据互补。ASIL-B等级的Routing模块与QM等级的端到端规控模型物理隔离，前者负责全局目标引导、安全合规校验、失效兜底，后者负责局部轨迹生成、场景交互决策，形成「主决策-安全兜底」的冗余架构。
• 绝对禁止的工程设计：将Routing的路径搜索、安全约束功能完全融入端到端模型，放弃独立的规则化安全锚点，该方案无法通过法规认证，且实车出现问题无法debug与追溯。

量产方案的安全分工（双轨架构）

• 主轨（两段式 E2E）：QM
• 负责：感知融合（BEV/Occ）、局部轨迹规划、控制指令输出
• 安全责任：不承担功能安全责任，仅提供智能驾驶能力
• 安全岛 / 白盒冗余轨：ASIL B/C/D
• 负责：全局 Routing、硬交规约束、安全仲裁、故障诊断、最小风险策略（MRC）
• 安全责任：承担全部功能安全责任，是系统 ASIL 等级的唯一载体

*关键澄清：QM ≠ 不安全

• QM
  ：仅指不按 ISO 26262 ASIL 流程开发，不做强制安全机制与故障诊断，遵循常规质量管理。
• ASIL
  ：是对安全关键功能的强制要求，必须满足故障检测、容错、降级、可验证等一系列严苛指标。
• 量产方案的安全逻辑：用 QM 的端到端做 “智能”，用 ASIL 的白盒安全岛做 “安全兜底”，两者解耦、互相校验，既保证体验又守住安全底线。

二、量产架构下Routing的工程化功能重构与接口设计

1. 功能的工程化裁剪与边界划分

完全摒弃传统分层架构中「车道级硬参考线」的设计思路，基于量产需求做功能的精准裁剪，明确与端到端模型的权责边界，避免功能重叠与决策冲突。

2. 实车部署的硬件与软件架构设计

• 硬件部署：Routing模块独立部署在智驾域控制器的ASIL-B级安全岛AP核/MCU，与端到端模型的NPU推理核物理隔离，电源、时钟、定位输入均做冗余设计，保证模型核完全失效时，Routing模块仍能正常运行，触发安全兜底。
• 时钟同步：与感知、规控、底盘域的时间同步精度≤10ms，避免出现“模型已行驶至路口，Routing引导指令延迟”的时序问题。
• 算力分配：Routing核心逻辑运行在CPU核，算力占用≤5%；拓扑匹配、向量嵌入生成等轻量计算，分时复用NPU空闲算力，不占用端到端模型的核心推理算力，总算力占用≤1TOPS。

3. 与端到端模型的标准化接口设计（工程落地核心）

实车量产中90%的Routing与模型冲突问题，都来自接口设计不清晰、交互黑箱化。行业通用的量产级接口方案，采用「可解释语义token+固定维度向量嵌入+硬约束掩码」的标准化三层接口，完全避免黑箱交互，同时保证可debug、可监督。

（1）给模型的核心输入接口

1. 全局目标向量嵌入
• 工程实现：将起终点、途经点、全局路径的关键拓扑节点，转化为固定256维的向量嵌入，与BEV/OCC特征在通道维度拼接，作为规控模型的全局条件输入。
• 优化点：向量嵌入离线预训练，仅在线做轻量化更新，保证推理延迟≤1ms，同时保证不同场景下的特征一致性。
2. 关键节点语义token指令
• 工程实现：将导航指令转化为固定词表的离散语义token+距离信息，例如<左转, 800m>、<汇入高速, 1.2km>、<靠右驶出匝道, 500m>，作为模型的强引导输入。
• 优化点：token词表控制在32个以内，覆盖所有量产驾驶场景，保证模型训练时可完全对齐，推理时可解释、可追溯。
3. 合法区域硬约束掩码
• 工程实现：基于全局拓扑路径，输出与OCC占用栅格对齐的二值化合法区域掩码，模型只能在掩码内生成轨迹，从底层杜绝逆行、驶入禁行区域、非机动车道等违规行为。
• 优化点：掩码更新频率与BEV特征输出对齐（10Hz），路口/匝道等关键场景做动态扩缩，兼顾安全与灵活性。

（2）模型的反馈闭环接口

模型实时向Routing输出3类核心状态，形成闭环协同：

1. 当前轨迹与全局路径的横向/纵向偏差；
2. 决策输出的置信度、执行状态（如变道中、直行、等待左转）；
3. 局部场景的异常状态（如前方事故、道路封闭、感知失效）。 Routing基于反馈信息，动态调整引导指令、触发重规划、启动仲裁干预，解决“模型与全局目标脱节”的核心问题。

三、工程落地核心痛点与量产级解决方案

以下为实车量产中必踩的核心痛点。

痛点1：去高精地图化下，Routing的拓扑源缺失问题

背景

传统Routing高度依赖高精地图的车道级拓扑网络，而当前量产智驾的核心趋势是“去高精地图化”，仅用SD地图（仅包含道路级拓扑，无车道级信息、不包含车道边界、车道中心线的精确曲线、车道宽度变化、车道类型（如左转专用道）等细节。道路的几何形状可能简化为一条粗略的中心线（或一组点），而不是像附件中那样对每个车道进行精细建模），导致Routing失去传统的拓扑输入源，无法给模型提供精准引导。

轻量众包拓扑+实时感知补全的融合方案

1. 基础底图：轻量众包拓扑地图
• 工程实现：采用SD地图+众包更新的轻量拓扑地图，仅保留①道路级拓扑、②关键路口的车道数、③转向规则、④限速信息，数据量仅为传统高精地图的1/100，更新成本极低，可通过众包实现周级更新。
• 优化点：采用分层存储，高速/快速路全量存储，城市道路仅预加载导航路径沿线1km范围的拓扑数据，降低内存占用。
2. 局部补全：实时感知拓扑提取
• 工程实现：基于感知大模型输出的BEV语义特征，在线提取当前道路的车道拓扑、路口停止线、转向车道分布，与Routing的全局拓扑路径做KD-Tree快速匹配，补全局部车道级拓扑，给模型提供精细化引导。
• 优化点：拓扑匹配频率10Hz，匹配耗时≤50ms，仅处理导航路径沿线500m范围的感知拓扑，控制算力消耗。
3. 失效兜底：分级降级机制
• 感知拓扑补全失效时，Routing降级为道路级引导，触发模型切换为保守驾驶模式，降速至30km/h以下，同时提示驾驶员接管；
• 定位/地图输入失效时，直接触发MRC最小风险策略，靠边停车。

痛点2：Routing与端到端模型的决策冲突与目标对齐问题

背景

实车量产中最常见的问题：Routing要求前方1km左转进入最左车道，模型持续不变道，最终错过路口；本质是规则化的全局目标，与数据驱动的模型驾驶风格不匹配，推理阶段目标对齐失效。

分层引导+训练对齐+仲裁干预的三级闭环

1. 分层引导，避免过度约束将全局引导分为3个层级，仅对核心目标做硬约束，执行层完全放权给模型，从源头减少冲突：
• 战略层（不可修改）：起终点、全局通行路径，必须严格遵循；
• 战术层（强约束）：关键节点的语义指令（左转/右转/汇入/驶出），必须在指定节点完成；
• 执行层（完全放权）：变道时机、车道选择、跟车距离，完全交给模型自主决策，不做硬规则限制。
2. 训练阶段目标对齐，从根源解决冲突工程实现：将Routing的全局目标，转化为规控模型训练的损失函数项，在训练阶段就完成目标对齐，而非仅在推理阶段做约束：
• 全局路径偏离惩罚项：模型生成的轨迹与全局路径的横向偏差超过阈值时，施加梯度惩罚；
• 关键节点错过惩罚项：模型未在指定节点完成转向/驶出动作时，施加强惩罚；
• 引导指令跟随奖励项：模型提前响应Routing的引导指令时，给予奖励，强化模型的全局目标跟随能力。
3. 推理阶段冲突仲裁，实车兜底工程实现：部署独立的ASIL-B级仲裁模块，实时检测Routing引导需求与模型决策的匹配度，场景化设置干预阈值，分级触发干预：
• 轻度冲突：模型轻微偏离路径，输出修正提示，模型自主回归；
• 中度冲突：距离关键节点不足阈值（城市道路200m/高速1km），模型仍未进入目标车道，触发强制约束，锁定模型的合法车道范围，强制模型变道；
• 重度冲突：模型完全不响应引导，即将错过关键节点，触发驾驶员接管提醒，同时准备最小风险策略。
• 优化点：干预阈值做场景化适配，高速/快速路提前干预，城市道路灵活调整，避免频繁干预影响驾驶平顺性。

痛点3：全局重规划的实时性与防抖平衡问题

背景

长距离导航中，实时交通信息频繁波动，容易导致Routing频繁重规划，出现“导航路线反复横跳”的问题；同时拥堵/封路场景下，重规划延迟过高，会导致模型错过变道时机，陷入局部拥堵。

分层路网搜索+前瞻式重规划+防抖触发机制

1. 分层路网搜索，提升重规划效率工程实现：将全国路网分为高速/快速路、城市主干道、城市支路3个层级，长距离导航时，先在高速层完成全局路径搜索，再逐层向下细化，单次重规划耗时≤100ms，完全满足实时性要求。
2. 前瞻式重规划，提前规避风险工程实现：提前5km预加载导航路径沿线的实时交通、道路施工、事故信息，当检测到前方路段通行时间增加≥30%、拥堵持续≥5分钟、道路封闭时，提前触发重规划，在进入拥堵段前完成路线切换，解决端到端模型的“短视问题”。
3. 防抖触发机制，避免频繁重规划工程实现：设置多层防抖阈值，杜绝实时交通波动导致的无效重规划：
• 仅当新路径的总通行时间比原路径缩短≥15%时，才触发主动重规划；
• 同一区间10分钟内最多触发1次重规划，避免路线反复切换；
• 路口/匝道/隧道等关键场景，禁止触发重规划，保证驾驶连续性。

痛点4：功能安全与失效策略的工程化落地

背景

端到端模型的黑箱特性，导致其失效模式不可枚举，而Routing作为ASIL-B级安全模块，必须覆盖所有模型失效场景，实现可验证、可落地的安全闭环，满足法规认证要求。

独立安全岛+全链路监控+分级失效闭环

1. 独立安全岛架构，保证硬件冗余Routing的安全监控、失效兜底逻辑，完全部署在ASIL-B级安全岛，与模型推理核物理隔离，具备独立的电源、时钟、传感器输入，即使主SOC完全失效，安全岛仍能正常运行，控制车辆完成最小风险策略。
2. 全链路状态监控，覆盖失效模式设计3层实时监控机制，监控频率100Hz，保证失效及时响应：
• 输入层监控：监控定位、地图、TSP交通信息的有效性，数据失效时触发降级；
• 模型层监控：监控模型的输出频率、置信度、轨迹合法性、与全局目标的偏差，当模型输出超时、置信度低于阈值、轨迹越界、严重偏离全局路径时，判定为模型失效；
• 自身层监控：Routing模块内置看门狗与自检机制，保证自身运行正常，避免自身失效。
3. 分级失效策略闭环，可验证可落地基于失效等级，设计标准化的分级响应策略，所有策略均经过HIL台架与实车封闭场地验证，满足功能安全要求：

   失效等级	触发条件	Routing响应策略
   一级（轻度）	模型轻微偏离路径，置信度正常	输出修正指令，引导模型自主回归
   二级（中度）	模型持续偏离，未响应引导指令	触发硬约束掩码，锁定合法行驶区域，降级为保守驾驶模式，触发接管提醒
   三级（重度）	模型完全失效，无有效输出	触发最小风险策略（MRC），控制车辆平稳降速、靠边停车、开启双闪，完成安全兜底

四、工程化验证与数据闭环体系

量产落地的核心是“可验证、可迭代”，必须搭建完整的MIL/SIL/HIL/实车验证体系，以及Routing与模型的联合数据闭环，实现持续优化。

1. 台架验证阶段

• MIL/SIL模型在环验证：搭建虚拟仿真环境，覆盖100万+公里虚拟场景，重点验证：Routing与模型的接口交互、冲突仲裁机制、重规划逻辑、失效兜底策略，100%覆盖路口错过、封路、模型失效、定位丢失等核心corner case，通过率100%方可进入下一阶段。
• HIL硬件在环验证：将实车智驾域控制器、安全岛MCU、座舱域全量接入仿真环境，验证硬件部署的实时性、时钟同步精度、接口通信稳定性，以及失效策略的硬件触发可靠性，完成ASIL-B等级的功能安全验证。

2. 实车验证阶段

• 封闭场地验证：覆盖所有基础功能、极限失效场景，重点验证强制变道、MRC触发、模型失效兜底等安全逻辑，保证100%触发成功，无安全风险。
• 开放道路验证：分阶段完成城市道路→高速→全场景的实车验证，累计验证里程≥100万公里，重点验证导航准确性、路口通过率、驾驶平顺性、重规划合理性，收集实车corner case数据。

3. 联合数据闭环体系

实车量产中90%的优化迭代，都来自数据闭环，核心搭建3个闭环链路：

1. 数据采集与挖掘：实车采集Routing与模型冲突、错过路口、重规划失效、模型偏离路径的高价值数据，云端通过大模型自动分类、标注，筛选核心corner case。
2. 双向迭代优化：
• 模型侧：用corner case数据优化规控模型的损失函数，强化全局目标跟随能力，减少决策冲突；
• Routing侧：基于实车数据优化仲裁阈值、重规划触发机制、语义指令的提前量，适配模型的驾驶风格，提升用户体验。
3. OTA灰度发布：优化后的模块先通过小批量灰度OTA验证，无问题后全量推送，实现持续迭代。

五、一段式端到端下Routing的工程化预研路径

一段式全端到端架构当前仍处于预研阶段，无大规模量产落地案例，工程化的核心前提仍是安全、可控、合规，预研落地路径如下：

1. 始终保留独立的ASIL-B级Routing安全锚点：不将导航目标完全嵌入黑箱模型，仍作为外部可解释的条件输入，保证安全冗余，这是一段式架构可落地的核心前提。
2. 功能极致收敛：Routing完全放弃路径搜索功能，仅保留3个核心能力：
• 驾驶任务的目标定义：将用户的导航需求转化为模型可理解的、可解释的目标嵌入；
• 安全硬约束注入：将交通法规、道路合法边界转化为模型推理的强制约束；
• 全链路安全监控与失效兜底：实时监控模型输出，失效时触发最小风险策略。
3. 预研落地步骤：先在封闭场地完成全场景验证，再在高速场景试点落地，与两段式架构做冗余备份，最后逐步扩展到城市道路，绝对禁止直接全场景量产落地。

六、量产落地避坑指南

1. 不要盲目追求技术激进，量产优先选双轨架构：放弃“全端到端消解Routing”的空想，优先采用Routing +「两段式+白盒规则」的架构，这是当前唯一能通过法规认证、保证安全的量产方案。
2. 接口设计必须标准化、可解释，杜绝黑箱交互：Routing与模型的接口必须用可解释的语义token、硬约束掩码，不要用黑箱特征交互，否则实车出问题根本无法debug，排查成本极高。
3. 安全逻辑必须用硬规则实现，绝对不能用AI：所有ASIL-B等级的安全监控、仲裁、兜底逻辑，必须用纯硬规则实现，保证可解释、可验证、可追溯，不要引入任何AI模型。
4. 权责边界必须清晰，避免功能重叠：Routing只做全局战略引导，车道级、局部执行层的事情完全交给模型，不要过度约束，否则既浪费算力，又会导致频繁的决策冲突。
5. 不要用一套阈值打天下，必须做场景化适配：高速、城市道路、匝道、路口的引导提前量、仲裁阈值、重规划逻辑，必须做场景化定制，否则实车体验会极差。
6. 提前搭建数据闭环，不要靠人工调参解决问题：实车中90%的目标对齐问题，都要靠数据闭环迭代优化，而非人工调参，提前搭建Routing与模型的联合数据闭环，是量产持续迭代的核心。