تواجه البحث المتكامل في القيادة الذاتية حاليًا تحديًا جوهريًا يتمثل في سد الفجوة بين التدريب المفتوح الدائرة (open-loop) والتنفيذ المغلق الدائرة (closed-loop). تُدرَّب النماذج الحالية على توقع المسارات في بيئة مفتوحة الدائرة، مما يجعلها تواجه صعوبات في التفاعل السريع مع الوكالات الأخرى في البيئات المغلقة الدائرة، كما أن هناك خطرًا في إنتاج خطط غير ممكنة من الناحية الحركية ناتجة عن الفجوة بين التدريب المفتوح الدائرة والقيادة المغلقة الدائرة. في هذا البحث، نقدم نموذج Hydra-NeXt، وهو إطار تخطيط متعدد الفروع جديد يوحد توقع المسارات، وتوقع التحكم، وشبكة تحسين المسار في نموذج واحد. على عكس النماذج الحالية لتوقع المسارات المفتوحة الدائرة التي تتعامل فقط مع التخطيط في الحالات العامة، يُستخدم Hydra-NeXt مُفكك التحكم (control decoder) بشكل إضافي لتركيز الانتباه على الإجراءات قصيرة المدى، مما يمكّن من استجابة أسرع للسياقات الديناميكية والوكالات التفاعلية. علاوةً على ذلك، نقترح وحدة تحسين المسار (Trajectory Refinement module) لتعزيز وتحسين قرارات التخطيط من خلال الالتزام الفعّال بالقيود الحركية في البيئات المغلقة الدائرة. يُعد هذا النهج المتكامل سدّ الفجوة بين التدريب المفتوح الدائرة والقيادة المغلقة الدائرة، ويُظهر أداءً متفوقًا بدرجة قيادة (Driving Score) تبلغ 65.89 ونسبة نجاح (Success Rate) تبلغ 48.20٪ على مجموعة بيانات Bench2Drive، دون الاعتماد على خبراء خارجيين لجمع البيانات. يتفوق Hydra-NeXt على أحدث النماذج السابقة بـ 22.98 نقطة في درجة القيادة و17.49 نقطة في نسبة النجاح، مما يُمثل تقدمًا كبيرًا في مجال القيادة الذاتية. سيتم إتاحة الشفرة المصدرية عبر الرابط: https://github.com/woxihuanjiangguo/Hydra-NeXt.