Marc Gyongyosi 並非尋常的大學生，這位西北大學麥考克工程學院主修電腦科學課程的大三學生，投入開發輕型機器人，將應用範圍放眼到課堂以外的地方。
Gyongyosi 不只花了兩年的時間與 BMW 的機器人研究部門合作，發展協助工廠員工進行作業的機器人系統；他也與兩家新創公司合作，其中 MDAR Technologies 的研究方向為自動駕駛車 3D 視覺系統。
不過他自己成立的 IFM Technologies，讓他登上 NVIDIA GPU 科技年會的舞台。
IFM 的研究主題是可在室內安心操作的無人駕駛飛行器。目前多數無人機只能在室外飛行，原因是因為：a）體積過大又笨重，無法安全在室內飛行；b）無法在室內使用無人機依賴的 GPS 系統。另一項讓室外無人機市場更形複雜的因素，就是得取得美國聯邦航空總署（FAA）的飛行許可，而室內無人機則無此困擾。
Gyongyosi 綜合這些因素，判斷商用室內無人機是一個潛力無窮的市場。他對 GTC 的與會嘉賓表示他預估室內無人機在倉儲分析、水電公用事業分析、保險商檢及商用不動產和營造業等領域裡，有著數十億美元的商機。
他說的沒錯。Gyongyosi 來到 GTC 大會並非只是點出這些商機，而是他想抓住機會充份發揮。Gyongyosi 說：「我們不想只是進行研究計劃，而是想提出一套解決問題的方案。」
只是他的方案在技術方面遇到難題。室內無人機必須找到替代用的 GPS 系統。他說其他人有試過動作捕捉或無線電信標替代方案，但他想打造輕薄短小的IFM無人機又不想增加重量，而其他人的方法成本太高又需要經常進行校正。
同樣地，其它無人機也靠機上的感應器來偵測四周的物體，以避免碰撞。由於需要處理海量資料，這也對IFM 的小型無人機在空間運用上產生挑戰。
他說：「機板上需要極為龐大的處理能力，所以這些平台的體積都不小。」
Gyongyosi 做了兩件事來解決這些問題：一是選擇在 IFM 上安裝一具攝影機，犧牲了立體視覺能力，但節省了空間又減輕了重量；二是選擇特徵追蹤功能，運作方式猶如感應器，卻是使用攝影機拍攝到的資料。
這個組合的運作表現不如預期時，他改採用 GPU，特別是現已成為車輛實體設計一部分的 NVIDIA Jetson Tegra K1。
結果不言而喻。GPU 處理資料的速度是 CPU 的四倍，而特徵追蹤的速度提升了兩倍，從 5.5 Hz 提高到 9.8 Hz。這樣的表現還不夠亮眼的話，GPU 還提高了精確度，也為 Gyongyosi 爭取到足以安裝第二具攝影機的空間，以與第一具攝影機呈45度角的方式進行安裝，創造出更大視野的立體視覺範圍。
Gyongyosi 以柏林那座規劃許久未來感十足，卻有著嚴重疏失的機場為例，本應多年前便開放啟用，在檢查過程中發現消防偵測系統設計出現缺點，使得迄今尚未營運，藉此說明 IFM 的設計未來可能帶來的影響性。
Gyongyosi 認為室內無人機能在檢查前找出問題，以避免全盤潰敗的情況，而他希望 IFM 的無人機很快便能執行這些任務。