A SZTAKI kutatóinak több millió kísérlet lefuttatásából szerzett adatok alapján sikerült egy olyan modellt létrehozniuk, amely segíthet az autonóm rendszerek fejlesztésében. A modell elkészítéséhez big data alapú analízis módszereket használtak a kutatók. A lefutott kísérletekből gyűjtött adatok elemzését követően úgy döntöttek, hogy nem neurálisháló-alapú modellt építenek, mert az a tanítás során túl komplexszé válhat a garantált minőségű, biztonságkritikus irányítási rendszer tervezéséhez. Helyette változó paraméterű modellstruktúrákkal, és az azokra épülő irányításmodellekkel dolgoztak. Az így létrehozott irányítási modell egyidejűleg tud alkalmazkodni a jármű haladása során folyamatosan változó környezeti hatásokhoz, ugyanakkor folyamatosan garantált minőségi jellemzőket nyújt. Az elkészült algoritmust a CarSim autószimulációs szoftverrel tesztelték a kutatók, ezen belül a Michigan Waterford Hills versenypálya virtuális modelljén futtatták a programot. Az eddig elérhető nominális eljárásokkal összevetve az új modellezési eljárás alapján készült változat egy, az eddiginél jobban manőverező önvezető járműmodellt eredményezett. A különbségek elsősorban extrém manőverek, illetve hirtelen kanyarok esetén voltak látványosak. Ehhez az eljáráshoz nagyon sok adatra van szükség, és a kutatóknak még ezek birtokában is sokat kellett dolgozniuk ahhoz, hogy az adott feladatnak megfeleljen az algoritmus. Az eredmények ugyanakkor azt mutatják, hogy az új módszerrel a nominális eljárásoknál hatékonyabb és nagyobb teljesítményű önvezetési modell jöhet létre.