2017年5月，TOPS课题组在智能汽车快速测试、人工智能学习训练、场景库建设等方面，与上海国际汽车城，德国PTV公司等达成了相关的深度合作协议。

在智能汽车加速测试和场景库建设中，项目在对高风险场景识别的基础上，根据各类驾驶场景关键参数联合分布规律，结合重要度采样方法，快速重构极限场景、复杂场景，重点关注于智能汽车在此类高风险场景下的应对能力。从而实现从少量、有限仿真测试环境对于无限交通流环境的快速测试。根据项目组前期在部分驾驶行为的测试中的初步结论得出：在重构场景中进行加速测试，包括普通场景，复杂场景以及高风险场景的测试，可将原有需要数十万公里的测试里程降低至100公里。此测试方法在软件在环测试、硬件在环测试及受控场地测试中均可较好应用。

在智能汽车人工智能学习训练方面，拟利用交通仿真软件VISSIM，实现智能车规划决策行为对弈训练平台，在此基础上开发深度强化学习算法和系统，实现智能汽车在训练平台中的自我学习和训练。