辉达公司

本公开涉及目标对象和特征挖掘。自主和/或半自主机器的性能受益于学习机器(自我机器)可能遇到的许多不同场景，特别是与环境中遇到的其他机器(代理机器)相关的场景。通过跟踪代理机器、自我机器与代理机器之间的相对移动的变化参数、以及地面和天气条件以及交通状况的变化参数，可以创建比现有方法所能创建的更复杂的场景，从而改进自我机器上的一个或更多个机器学习系统的训练。根据不同的方面，可以提供涉及遮挡的交通场景，这些遮挡会阻止自我机器识别自我机器路径中的条件以及对其做出反应的能力。这些条件可涉及行人、自行车或一个或更多个代理机器。

本公开涉及用于暂停指令的应用程序编程接口，具体公开了用于执行一个或更多个应用程序编程接口（API）以使得图形处理单元（GPU）暂停一个或更多个指令和/或使得一个或更多个指令被恢复的装置、系统和技术。在至少一个实施例中，包括一个或更多个电路的一个或更多个处理器用于执行应用程序编程接口（API），以暂停执行一个或更多个图形处理单元（GPU）指令，其中该GPU指令与被指示给该API的上下文或应用程序相关联。

装置、系统和技术用于将点云转换为体素。在至少一个实施例中，处理器至少部分地基于使用点位置来指示体素的数据结构使得环境的点云表示成为体素。

本公开涉及用于背板连接的系统内HD视觉检查系统。在一个实施例中，一种检查系统包括耦合到机架或机箱中的插槽的检查托盘以及计算设备。检查托盘包括具有第一视场的第一通用串行总线（USB）光学传感器，当检查托盘被插入到插槽中时，该第一视场包括机架或机箱的背板上的第一连接器。计算设备耦合到第一USB光学传感器并且基于由第一USB光学传感器捕获的一个或更多个图像来生成与第一连接器相关联的一个或更多个连接中断的诊断。

本公开涉及原位电路板互连测试系统。在一个实施例中，一种诊断仪器包括耦合到机架中的第一插槽的第一测试刀片和耦合到机架中的第二插槽的第二测试刀片，其中第一插槽和第二插槽经由第一互连耦合在一起。该诊断仪器还包括测试模块，该测试模块通过以下方式执行对第一互连的系统内端到端信号完整性测试：经由第一测试刀片跨第一互连传送第一测试信号，经由第二测试刀片跨第一互连接收第二测试信号，以及基于第一测试信号和第二测试信号来生成对第一互连的分析。在另一实施例中，诊断仪器包括第一刀片和测试模块。所公开的技术可以在制造车间、数据中心和部署有服务器机架的其他环境中实现。

本发明涉及用于自主和半自主系统及应用的牵引检测。在各个示例中，本文描述了用于自主和/或半自主系统及应用的牵引（或通常是外部对象运输）检测。公开了利用一个或更多个传感器来自动确定机器何时正在牵引对象的系统和方法。例如，使用传感器获得的传感器数据（诸如图像数据、LiDAR数据、RADAR数据、超声数据等）可用于确定与该对象和/或机器相关联的信息。然后，该信息可用于确定机器正在牵引对象，例如当对象在移动时与机器保持基本相似的距离和/或当对象包括一个或更多个特定类型的分类时。方法的系统随后可以执行一个或更多个操作。

本公开涉及使用缩减大小的数据类型的采用块缩放的矩阵乘法，具体公开了用于执行矩阵乘法‑累加运算的装置、系统和技术，其中输入矩阵的指定部分以缩放因子进行块缩放。在至少一个实施例中，输入矩阵与经缩放矩阵相乘，该经缩放矩阵是通过将第二输入矩阵的元素与存储在一个或更多个寄存器中的一个或更多个对应缩放因子相乘而生成的。

本公开涉及采用块缩放的矩阵乘法，具体公开了用于执行矩阵乘法‑累加运算的装置、系统和技术，其中输入矩阵的指定部分通过缩放因子进行块缩放。在至少一个实施例中，输入矩阵与经缩放矩阵相乘，该经缩放矩阵是通过将第二输入矩阵的元素乘以存储在张量存储器中的一个或更多个对应缩放因子而生成的。

本发明公开了生成用于自主和半自主系统及应用中的定位的词汇词典。在各个示例中，本文描述了用于生成用于自主和半自主系统及应用中的定位的词汇词典。系统和方法可使用多种聚类技术（例如K均值聚类和/或使用层次结构的平衡迭代归约和聚类（BIRCH））来初步生成和/或更新与环境相对应的词汇字典。例如，利用聚类技术，可使用从定位地图的初始图像中提取的特征来生成与词汇字典相对应的词汇树。此外，再次采用聚类技术，可利用从定位地图的新图像中提取的特征更新词汇树。在一些示例中，系统和方法还可进一步确定与视觉词相关联的权重，例如采用针对室内环境优化的算法，其中多个图像可从相似姿态捕获环境中的相似部分。

本发明涉及用于自主和半自主系统及应用的使用端到端神经网络的场景状态的迭代投影与评估。在各个示例中，模块化（例如，控制、驾驶、软件、软/硬件）栈可以通过预测使用候选轨迹会导致的后续场景或世界状态并量化预测的后续状态的质量、安全性和/或有利度的测量结果，来评估候选轨迹。如果估计的后续状态的质量、安全性和/或有利度满足指定阈值（例如，候选轨迹被预测为导致有利、安全、期望和/或有益的未来状态），则可以使用该候选轨迹来控制导航。否则，可以确定脱离自主导航、执行安全程序，和/或参数化优化可用于使用优化后的规划器生成优化后的轨迹，以迭代地细化被预测为导致最期望状态（或至少超过阈值期望性的状态）的轨迹。