不是方案，是能跑、有量化指标的实物。以下均为本地实测结果。
在自研轻量仿真里，闭环 RL 策略学会了绕行静止障碍、倒车脱困——不是硬编码规则，是训练出来的行为。三层门禁（安全 / 舒适 / 效率）A、B、C 全部通过，回归劣化即阻断发布。
系统拆解 10 个顶会开源项目 + 4 篇论文，判定世界模型的正确用法是「仿真与数据放大」，不是车端决策——与 Waymo 官方立场一致。
用 NVIDIA NuRec 神经重建，把真实多传感器驾驶片段重建为 3D 高斯场景——改相机、改光照、改 actor 轨迹都不用重新上街采数据。这是「新疆场景世界模型」的唯一性：公开数据集没有中国、没有亚洲，这块只有我们能做。
自研聚焦「规划决策 + 安全兜底 + 数据闭环」——最依赖自己数据与规则的三层；感知与仿真复用可商用开源件。车为自有购买，线控自有，无需依赖第三方接口。
先用轻量仿真把训练闭环流程跑通（0 成本），再换高保真舞台——RL 闭环的工程复杂度远大于仿真精度。
0 GPU 成本，在 CPU 上跑通完整 IL→RL 循环，三层门禁全绿，可复现性逐位一致。
租云 GPU 用神经重建把一段真实路变成可编辑 3D 场景；车端加装传感器采 20 小时数据。
自研预测、规划模型从零训练，多卡闭环强化学习，门禁表全绿。
限定 ODD 端到端模型，蒸馏上车，实车车控接入。
对监管与投资人而言，可验证的安全证据链比 demo 更重要。我们按国标提前建档案。
L3/L4 自动驾驶系统安全要求（2027-07-01 实施）。安全档案 + MRM + 三类试验，全部对齐。
仿真 + 场地 + 道路。自研仿真同时是合规资产，工具链置信度按 GB/T 47025 附录建。
任一关键指标劣化即阻断发布。可复现性逐位一致，历史回归自动对比。