Nvidia借由电脑视觉分析，搭配机器所整合感知元件、深度学习网络，让机器可自行主动因应行为改变时，学习如何调整互动模式，其中包含借由电脑视觉方式标示不同行为模式，并且从中进行学习分析，让机器能认知更多不同互动结果，而非仅能仰赖人主动灌输更多学习资讯。
为了让机器人可主动学习人类行为，借此动态调整对应互动结果，NVIDIA让机器人可透过电脑视觉分析方式，自行学习更多互动行为。
相比过去机器学习方式，多半是由人主动输入资料，让机器端可以透过重复学习记忆对应动作，但如果互动模式突然改变，可能就会让机器无法顺利产生合适的互动结果，此时就必须由人再次输入资料，让机器可以透过学习记忆不同互动模式。
不过，若是应用在自动化产线，或是家庭看护，甚至自动驾驶等应用情境的话，有时候比较难借由重复方式让机器花费时间学习，可能必须让机器可以从错误及互动行为改变中学习。
NVIDIA首席研究科学家Stan Birchfield表示，一旦让机器完成学习训练，基本上都能正确按照学习内容执行互动行为，例如识别大门被开启情况就驱动机器手臂将门关上，但如果此时发生门只关一半，或是门从另一个方向打开的话，机器可能就无法正确判断鹰执行动作，导致必须重新学习。不过，在一些情况下始终难以让机器花费时间重复学习，或是由人重新编写执行程式，因此如果能让机器从执行过程中直接学习新互动模式，即可节省大量时间成本，同时也能让机器有更高学习互动效率。
因此借由电脑视觉分析，搭配机器所整合感知元件、深度学习网络，让机器可自行主动因应行为改变时，学习如何调整互动模式，其中包含借由电脑视觉方式标示不同行为模式，并且从中进行学习分析，让机器能认知更多不同互动结果，而非仅能仰赖人主动灌输更多学习资讯。
在此项技术应用中，将可让自动化产线能自动修正公差，或是让看护机器人针对不同状况调整行为模式，同时也能让自动驾驶车辆随时依据不同路况结果学习最佳行进路线，或是选择将车辆停下。
