Negli ultimi anni, il Machine Learning trovato un ampio impiego nel settore automotive. In particolare, lo sviluppo di modelli di dinamica del veicolo basati su reti neurali si è rivelato fondamentale per la progettazione di algoritmi di controllo rapidi per veicoli autonomi, poiché tali modelli consentono di superare molte delle limitazioni computazionali associate ai metodi di stima tradizionali. Sebbene gli approcci puramente data-driven abbiano acquisito una notevole popolarità, essi presentano alcuni svantaggi: faticano ad apprendere i vincoli fisici che governano la dinamica del veicolo e spesso non riescono a generalizzare in modo ottimale durante la fase di inferenza, richiedendo quindi dataset di dimensioni molto elevate.