端到端驾驶系统近年来取得了快速进展，特别是在CARLA平台上。尽管这些系统的主贡献显著，但它们也对次要系统组件进行了改动。因此，改进的来源并不明确。我们识别出几乎在所有最先进方法中反复出现并对于CARLA上观察到的进展至关重要的两个偏差：（1）通过强烈的归纳偏差实现横向恢复以跟随目标点；（2）通过多模态航路点预测的纵向平均来减速。我们研究了这些偏差的缺点，并提出了有原则的替代方案。通过融入我们的见解，我们开发了TF++，这是一种简单的端到端方法，在Longest6和LAV基准测试中排名第一，在Longest6上的驾驶评分比之前最佳工作提高了11分。