Исследователи поместили передовые модели ИИ под управление руля, газа и тормозов Toyota Corolla для тестирования реальных навыков вождения. Оценка проводилась на фиксированной конусной трассе, где моделям нужно было маневрировать, оставаясь в пределах 4 метров от центральной линии. Производительность измерялась прогрессом попытки—расстоянием, пройденным по центральной линии трассы до любого столкновения—и временем завершения для успешных заездов. Метрики также отслеживали общее количество токенов и стоимость по розничным ценам для каждой попытки. Система, названная DrivingBench, позволяет подписчикам отслеживать прогресс через @drivingbench в социальных сетях. Столкновения сбрасывают прогресс до самой дальней точки, достигнутой до удара. Данные GPS-скорости помогли рассчитать интегрированное пройденное расстояние за каждый заезд. Тесты включали как успешные заезды, так и неудачи, отмеченные как DNF (не завершено).