AWS为其迷你自动驾驶汽车DeepRacer打造了联赛虚拟赛车场，开发者可以先在线上训练增强学习（Reinforcement Learning）模型，并将模型上传参加联赛，与其他竞争者在虚拟赛车场的跑道比赛，AWS会对联赛排名，每个月排名第一的参赛者还能获得奖励。
DeepRacer是AWS推出的缩小版四轮驱动车，为真实车辆的1/18大小，供开发者通过训练自动驾驶的机器学习模型，来入门增强学习技术，开发者可以将训练好的模型部署到DeepRacer中，DeepRacer就能在真实世界的赛道中行驶，并在赛车活动中与其他人比赛。
而现在AWS为DeepRacer推出联赛虚拟赛车场（League Virtual Circuit），让开发者可以互相竞争以增加趣味性，达到驱动增强学习发展的目的。开发者可以在线上构建、训练和评估增强学习模型，并与其他人的模型竞赛，每个月排名第一的参赛者，可以将能够免费参加AWS re:Invent 2019会议，并且在联盟淘汰赛中争夺冠军。
整个模型的构建、训练、评估，都能在新推出的DeepRacer控制台中进行，AWS提供了DeepRacer Lab指南，手柄手引导开发者开始模型的构建工作。开发者可以直接在DeepRacer控制台中，创建需要的资源以及模型，并且为模型挑选训练赛道，在虚拟联赛进行的期间，陆续会有更多的赛道加入，AWS表示，他们将会每月为联赛虚拟赛车场增加一款新的赛道，而新赛道会依据全球知名的赛道设计。
选择好赛道，开发者接下来可以用简单的方式定义模型的行为，DeepRacer控制台提供一系列模型可以执行的离散动作，开发者只要操作下拉菜单或是数字选择器，就能设置方向盘转动的角度，与DeepRacer行进的速度。
开发者还可以在DeepRacer控制台，自定义增强学习中会直接影响模型性能的奖励函数，奖励函数会根据训练程序以及回传的奖励决定DeepRacer的状态，DeepRacer的开发者能直接使用控制台默认的奖励函数范例，或是完全从头开始打造。
奖励函数需要以Python 3撰写，其中track_width、distance_from_center等参数，能让开发者取得赛道的信息，包括宽度以及距中心距离等，也能获得DeepRacer的状态与位置。DeepRacer控制台还会提供开发者一组超参数，这些参数会影响整体模型训练性能，开发者可以先使用默认数值，边训练边进行调整。
AWS提到，一般模型训练通常需要90到120分钟，但是效率还是会因最大速度以及奖励函数而有差异，开发者可以直接在DeepRacer控制台中，审查车辆在虚拟赛道行进的画面，但也因为训练的工作背后使用的是AWS的RoboMaker服务，因此在RoboMaker控制台同样也能监控训练的状况。开发者可以反复训练与评估模型，并将最终成果上传到当月份的虚拟赛车场参加DeepRacer联赛。
DeepRacer控制台现在于美国东部维吉尼亚地区推出，开发者已经可以开始构建DeepRacer模型，准备于虚拟赛车场中比赛，另外，有兴趣的开发者现在也可以订购DeepRacer实体车辆，美国约从7月开始出货。