Detta arbete utvärderar ANN-arkitekturerna feedforward, Elman och ESCN då de används för att styra en bil i en enkel 2D-simulering. Nätverken tränas av en evolutionär algoritm som använder nätverkens vikter som genom för dess individer. Syftet med arbetet är att se om arkitekturerna presterar olika bra. Simuleringens komplexitet, i form av halka och sladd, samt banans svårighetsgrad varieras för att se vilka arkitekturer som klarar vilka komplexa problem bäst och var de eventuellt brister. Ett program utvecklades som testade de olika fallen och resultatet visade att Elman presterade sämst, speciellt då komplexiteten ökade, och ESCN presterade lite bättre än feedforward. Varför Elman presterade sämre fick inget svar i detta arbete, och ESCN använde sitt minne på ett sätt som skulle kunna vara värt att titta vidare på. Framtida arbete skulle kunna vara att ta reda på orsakerna till de ovanliga beteendena som uppstod samt att genomföra mer utförliga tester.