الاستدلال التوبولوجي يهدف إلى فهم شامل لمشهد الطرق وتقديم مسارات قابلة للقيادة في مجال القيادة الذاتية. يتطلب هذا الكشف عن خطوط مركز الطريق (الممرات) والعناصر المرورية، ثم الاستدلال بعلاقة التوبولوجيا بينها، مثل توبولوجيا الممر-الممر وتوبولوجيا الممر-العنصر المروري. في هذا البحث، نقدم أولاً أن درجة التوبولوجيا تعتمد بشكل كبير على أداء الكشف عن الممرات والعناصر المرورية. لذلك، نقدم كاشف ممرات قوي ثلاثي الأبعاد وكاشف عناصر مرورية محسن ثنائي الأبعاد لتوسيع الحد العلوي لأداء التوبولوجيا. بالإضافة إلى ذلك، نقترح نظام TopoMLP، وهو خط أنابيب بسيط ومعالي الأداء للاستدلال بالتوبولوجيا في القيادة. بناءً على الأداء الرائع في الكشف، طورنا رأسين بسيطين يستندان إلى MLP لإنشاء التوبولوجيا. حقق TopoMLP أفضل أداء على منصة OpenLane-V2 القياسية، حيث بلغت نسبة OLS 41.2% باستخدام هيكل ResNet-50. كما أنه الحل الأول لتحدي OpenLane Topology في القيادة الذاتية الأول. نأمل أن يوفر هذا الخط الأنابيب البسيط والقوي بعض الرؤى الجديدة للمجتمع العلمي. يمكن الوصول إلى الكود عبر الرابط: https://github.com/wudongming97/TopoMLP.