智能泊车挑战真正拉开差距的，是弱信号地下车库里能否稳定完成车位识别、路径规划和失败降级，而不是演示视频中的一把入库。
一、车位识别与定位稳定性
弱信号环境：地下车库常无稳定GPS，系统更依赖视觉、超声波、毫米波雷达与惯性单元融合定位。
光照与反光：地库灯光变化、立柱反光和地面积水会干扰视觉识别，车位线磨损或相邻车辆遮挡也会提高识别难度。
建图与记忆：记忆泊车需要提前建图，但临时施工、堆物和车位被占会改变路线，系统要能重新规划而不是机械复现。
低速精度：泊车速度低，反而要求厘米级控制；方向盘转角、车速和距离判断稍有偏差，就可能需要多次揉库。
二、窄位泊入的决策与安全边界
动态障碍：地库人车混行、盲区多，突然出现的行人和临时开门车辆，要求系统在低速下仍能及时刹停。
失败降级：遇到极窄车位、地面坑洼或传感器遮挡时，系统应明确提示接管，而不是反复尝试或静默退出。
安全冗余：自动泊车不能只追求“能泊进去”，还要看异常场景下是否有制动冗余、驻车确认和远程监控。
人机共驾：驾驶员在车外遥控或车内监控时，责任边界、接管时机和急停方式都需要清晰说明。
三、标准与责任界定的空白
标准动向：有认证账号博主称，工信部已就自动泊车系统及安全事件数据交互与管理启动标准立项，并称属于国家强制标准；该说法仍应视为社交平台讨论，需以官方立项文件为准。
数据记录：自动泊车一旦发生剐蹭，系统是否记录感知数据、接管记录和车辆状态，直接影响责任判定。
功能边界：不同车型对车位类型、光照条件、地面材质和遥控距离的限制不同，用户需要看到明确说明书而非只看宣传片。