根据这些数据，自动驾驶汽车可以学习模拟各种情况下的安全转向和控制。来自危险边缘案例（例如险些撞车或被迫离开道路）的真实数据很少。被称为“模拟引擎”的计算机程序旨在通过渲染详细的虚拟世界来模仿真实情况，以帮助训练自动驾驶系统从这些潜在情况中恢复。
麻省理工学院的研究人员已经使用一种称为虚拟图像合成和自主转换的拟真模拟器解决了该问题。该系统使用人类在道路上行驶时捕获的少量数据集，来从轨迹上合成出几乎无限的视点，以使车辆可以进入现实世界。
在这种拟真模拟器当中，自动驾驶系统会因不发车祸的安全行驶而获得奖励，因此，它会自行学习如何安全地到达目的地，其中包括处理遇到的任何情况，包括在车道之间转弯或从接近车祸中恢复后重新获得控制。在测试中，MIT模拟器能够安全地部署在一辆全尺寸的无人驾驶汽车上，并可以在以前看不见的街道上导航。
当车辆处于模拟并接近遭遇各种车祸之前，自动驾驶系统能够在几秒钟内成功将汽车恢复到安全的行驶轨迹。麻省理工学院这项工作是与丰田研究所合作完成的。
