本届赛事设置“开放世界物理智能体与能力边界挑战”为主题，考察驾驶智能体在闭环仿真环境中，按照统一接口，完成环境感知、交互预测、行为决策、轨迹规划和车辆控制等任务时，检验信息不完整、道路条件突变及系统退化等因素下的能力边界识别。

（一）核心考察能力

风险识别与交互预测。综合传感器、道路与导航信息，识别遮挡目标、车辆切入、道路空间变化和潜在冲突，结合周围交通参与者行为及时调整驾驶策略。测试难点：存在局部冲突风险，持续执行原预设任务无法保证合规、平稳通行，需要车辆具备任务重规划、主动弃行、避险绕行高阶决策能力。

复杂工况下的决策与规划。面对路口冲突、狭路会车、道路封闭、临时导改及不可用目的地等情况，在安全、通行效率和交通规则之间作出合理取舍；决赛进一步考察陌生路网下的掉头、限宽通行、绕行和路线纠偏等复合操作。测试难点：任务完成难度较高，处于“能完成但极易出错”的临界状态。

不确定性判断与安全恢复。当定位漂移、观测延迟或计算超时影响正常驾驶时，能够采取限速、保守规划或安全兜底措施；环境与冲突条件完全不满足原任务安全执行要求，原任务无安全完成可能性，需要及时处置，实现安全退出。

（二）参赛开发与分阶段评测

比赛实行统一仿真环境、标准接口和算法容器提交机制。组委会提供包含CARLA、公开场景、API/SDK及行为示例的开发环境Docker。参赛队伍在本地完成算法开发和联调后，提交包含自研算法及其依赖的算法Docker，不在提交镜像中打包正式比赛场景。

初赛由组委会在服务器端组织隐藏闭环测试，完成镜像合规检查、任务调度、独立评分和日志留存；决赛采用现场数字盲测方式，在自建隐藏地图及校企合作场景中进一步检验综合驾驶能力。各阶段均以统一接口和官方测试环境为基础，具体算力要求、测试规模、评分指标与判定阈值以最终公布的竞赛规则为准。

（三）赛题定位与特色

赛事场景设计参考真实驾驶过程中自车参与的交通事故场景数据库（如MM-AU）中对事故诱因和规避行为的分析，以事故碰撞前时间窗口内的交通参与者交互行为孪生为基础，逐渐降级驾驶难度，形成可供检验不同难度分级的场景库。与现有的闭环仿真场景中通过多种交互场景及标准化路线评估综合驾驶能力不同，本届赛事更加关注高危、长尾工况中的不确定性识别、能力边界判断及越界后的安全处置。预赛通过十类逻辑场景和五级挑战形成可比较的风险测试条件，决赛则进一步引入隐藏地图与校企合作的真实复杂任务场景，检验驾驶智能体从单类风险处置向综合任务执行的迁移能力。

赛题不限定端到端、模块化或其他技术路线。参赛队伍可根据统一接口自主设计感知、预测、规划与控制方法，最终以官方环境中的实际闭环运行表现为评价依据。