Nvidia藉由電腦視覺分析，搭配機器所整合感知元件、深度學習網路，讓機器可自行主動因應行為改變時，學習如何調整互動模式，其中包含藉由電腦視覺方式標示不同行為模式，並且從中進行學習分析，讓機器能認知更多不同互動結果，而非僅能仰賴人主動灌輸更多學習資訊。
為了讓機器人可主動學習人類行為，藉此動態調整對應互動結果，NVIDIA讓機器人可透過電腦視覺分析方式，自行學習更多互動行為。
相比過去機器學習方式，多半是由人主動輸入資料，讓機器端可以透過重複學習記憶對應動作，但如果互動模式突然改變，可能就會讓機器無法順利產生合適的互動結果，此時就必須由人再次輸入資料，讓機器可以透過學習記憶不同互動模式。
不過，若是應用在自動化產線，或是家庭看護，甚至自動駕駛等應用情境的話，有時候比較難藉由重複方式讓機器花費時間學習，可能必須讓機器可以從錯誤及互動行為改變中學習。
NVIDIA首席研究科學家Stan Birchfield表示，一旦讓機器完成學習訓練，基本上都能正確按照學習內容執行互動行為，例如識別大門被開啟情況就驅動機器手臂將門關上，但如果此時發生門只關一半，或是門從另一個方向打開的話，機器可能就無法正確判斷鷹執行動作，導致必須重新學習。不過，在一些情況下始終難以讓機器花費時間重複學習，或是由人重新編寫執行程式，因此如果能讓機器從執行過程中直接學習新互動模式，即可節省大量時間成本，同時也能讓機器有更高學習互動效率。
因此藉由電腦視覺分析，搭配機器所整合感知元件、深度學習網路，讓機器可自行主動因應行為改變時，學習如何調整互動模式，其中包含藉由電腦視覺方式標示不同行為模式，並且從中進行學習分析，讓機器能認知更多不同互動結果，而非僅能仰賴人主動灌輸更多學習資訊。
在此項技術應用中，將可讓自動化產線能自動修正公差，或是讓看護機器人針對不同狀況調整行為模式，同時也能讓自動駕駛車輛隨時依據不同路況結果學習最佳行進路線，或是選擇將車輛停下。
