使用AI软件制作赛车的过程可以分为以下几个步骤：
获取并安装赛车仿真软件
可以选择使用TORCS（The Open Racing Car Simulator），这是一个开源的赛车仿真模拟器，可以使用synaptic进行安装。
另一个选择是Gym-TORCS，这是一个模仿OpenAI接口的TORCS的Python封装，用于在TORCS上测试增强学习算法。
准备训练数据
需要有大量的赛车数据来训练AI，包括车辆的性能参数、赛道信息、天气条件等。
可以使用路径点（WayPoints）来指示AI赛车的行驶路径，每个路径点包含坐标和索引信息。
设计神经网络
神经网络是AI赛车的核心，需要输入多个参数，如车辆状态（速度、方向、与马路牙子的距离等）和输出控制指令（方向盘转动角度、油门/刹车力度等）。
输入层有7个节点，分别对应7个输入参数；输出层有2个节点，分别对应方向盘和油门/刹车的控制指令。
训练神经网络
使用大量赛车数据进行训练，不断调整神经网络的权重，使其能够更准确地预测和控制赛车的行为。
可以采用强化学习算法，如Q-learning或Deep Q-Networks （DQN），来优化AI赛车的性能。
测试和调试
在仿真环境中进行测试，观察AI赛车的表现，调整神经网络的参数和结构。
可以使用不同的赛道和天气条件来测试AI赛车的鲁棒性和适应性。
优化和迭代
根据测试结果不断优化AI赛车的性能，进行多次迭代和改进。
可以考虑使用更先进的算法和技术，如深度强化学习，来进一步提高AI赛车的智能水平。
通过以上步骤，可以使用AI软件制作出具有较高水平的赛车AI。建议从简单的赛道和车辆开始，逐步增加难度和复杂性，以逐步提升AI赛车的性能。