clear grey pixels are unknown 42github.com/griswaldbrooks/spanny2 occupancy grid 43 struct occupancy_grid_t { occupancy_grid_t(std::dextents shape, unsigned char value grid_{data_.data(), shape} {} private: std::vector data_; std::mdspan> grid_; };github.com/griswaldbrooks/spanny2 occupancy grid 44 struct occupancy_grid_t { occupancy_grid_t(std::dextents shape, unsigned char value = 127) : data_(shape.extent(0) * shape.extent(1), value), grid_{data_.data(),

基礎觀念：Properties、Methods、Events / 823 ActiveX Controls 的五大使用步驟 / 825 使用 "Grid" ActiveX Control：OcxTest 程式 / 827 深入淺出 MFC 26 第五篇 附錄 / 843 附錄 A 無責任書評：從搖籃到墳墓 - Windows 的完全學習 个components：Splash Screen、SysInfo、Tip Of The Day。 OcxTest 范例程序（第16 章）：此程序示范使用Component Gallery 中的Grid ActiveX control。 ■ ■ ■ ■ ■ ■ ■ 第０章 你㆒定要知道（導讀） 39 与前版本之差异 深入浅出MFC 第二版与前一版本之重大差异在于： 1 Mapping of Windows Handles to Objects 4. C++ Template Tool 6. Message Maps 7. Debugging Trace Options 8. MFC OLE Support 11. Using MFC as Part of a DLL 12. Using Windows 3.1 Robustness Features

float* x; float* y; // … int block_size = 256; int grid_size = (N + block_size - 1) / block_size; add_gpu<<<grid_size, block_size>>>(N, x, y); // … } Ok, about the kernel parameters += stride) y[i] = x[i] + y[i]; } TEST_CASE("cppcon-1", "[CUDA]") { // … add_gpu<<<grid_size, block_size>>>(N, x, y); // … } Ok, about the kernel parameters 10 |Memory“In a typical PC in future compiler releases. https://docs.nvidia.com/cuda/cuda-compiler-driver-nvcc/ index.html#options-for-altering-compiler-linker-behavior-expt-relaxed- constexpr Using constexpr 40 |constexpr void

programming SYCL 2020 C++17 Single source programming Many backend options SYCL 202X C++20 Single source programming Many backend options C++11 C++14 C++17 C++20 OpenCL 3.0 C++23 14SYCL Implementations Kernel invocations: work-items ● Work-items collected into work-groups, forming a 1-3 NDimensional grid of work-items ● Work-items can only synchronize within work-group ● Work-items collected into 1D

notesINTRODUCING THE GRID CACHE • Stores static world elements for quick queries • Consider it a sparse 3D array • Process to create: ▪ Partition 3D space into cube grid ▪ Distribute items into grid cells ▪ Store things - but nothing like this Can think of it as sparse 3D array Partition 3d space into fixed sized grid Put from those locations items into cells Store non-empty cells in a map - using array index as key each axis float grid_extent; // Grid extent from origin float cell_size; // Size of cell uint32_t CalculateAxisOffset(float value) { value = floor(clamp(value, -grid_extent, grid_extent)); return

以下步骤：描述决策，定义状态，建立 ?? 表，推导状态转移方程，确定边界条件等。 为了更形象地展示解题步骤，我们使用一个经典问题「最小路径和」来举例。 � 给定一个 ? × ? 的二维网格 grid ，网格中的每个单元格包含一个非负整数，表示该单元格 的代价。机器人以左上角单元格为起始点，每次只能向下或者向右移动一步，直至到达右下角 单元格。请返回从左上角到右下角的最小路径和。 例如以下示例数据，给定网格的最小路径和为 === /* 最小路径和：暴力搜索 */ int minPathSumDFS(vector> &grid, int i, int j) { // 若为左上角单元格，则终止搜索 if (i == 0 && j == 0) { return grid[0][0]; } // 若行列索引越界，则返回 +∞ 代价 if (i < 0 || j < 0) { return 的最小路径代价 int left = minPathSumDFS(grid, i - 1, j); int up = minPathSumDFS(grid, i, j - 1); // 返回从左上角到 (i, j) 的最小路径代价 return min(left, up) != INT_MAX ? min(left, up) + grid[i][j] : INT_MAX; } 下图给出了以 ?

决策，定义状态，建立 ?? 表，推导状态转移方程，确定边界条件等。 为了更形象地展示解题步骤，我们使用一个经典问题“最小路径和”来举例。 Question 给定一个 ? × ? 的二维网格 grid ，网格中的每个单元格包含一个非负整数，表示该单元格的代价。 机器人以左上角单元格为起始点，每次只能向下或者向右移动一步，直至到达右下角单元格。请返回 从左上角到右下角的最小路径和。 图 14‑10 === /* 最小路径和：暴力搜索 */ int minPathSumDFS(vector> &grid, int i, int j) { // 若为左上角单元格，则终止搜索 if (i == 0 && j == 0) { return grid[0][0]; } // 若行列索引越界，则返回 +∞ 代价 if (i < 0 || j < 0) { return 的最小路径代价 int up = minPathSumDFS(grid, i - 1, j); int left = minPathSumDFS(grid, i, j - 1); // 返回从左上角到 (i, j) 的最小路径代价 return min(left, up) != INT_MAX ? min(left, up) + grid[i][j] : INT_MAX; } 图 14‑14

以下步骤：描述决策，定义状态，建立 ?? 表，推导状态转移方程，确定边界条件等。 为了更形象地展示解题步骤，我们使用一个经典问题“最小路径和”来举例。 � 给定一个 ? × ? 的二维网格 grid ，网格中的每个单元格包含一个非负整数，表示该单元格 的代价。机器人以左上角单元格为起始点，每次只能向下或者向右移动一步，直至到达右下角 单元格。请返回从左上角到右下角的最小路径和。 图 14‑10 === /* 最小路径和：暴力搜索 */ int minPathSumDFS(vector> &grid, int i, int j) { // 若为左上角单元格，则终止搜索 if (i == 0 && j == 0) { return grid[0][0]; } // 若行列索引越界，则返回 +∞ 代价 if (i < 0 || j < 0) { return 的最小路径代价 int left = minPathSumDFS(grid, i - 1, j); int up = minPathSumDFS(grid, i, j - 1); // 返回从左上角到 (i, j) 的最小路径代价 return min(left, up) != INT_MAX ? min(left, up) + grid[i][j] : INT_MAX; } 图 14‑14 给出了以

以下步骤：描述决策，定义状态，建立 ?? 表，推导状态转移方程，确定边界条件等。 为了更形象地展示解题步骤，我们使用一个经典问题“最小路径和”来举例。 � 给定一个 ? × ? 的二维网格 grid ，网格中的每个单元格包含一个非负整数，表示该单元格 的代价。机器人以左上角单元格为起始点，每次只能向下或者向右移动一步，直至到达右下角 单元格。请返回从左上角到右下角的最小路径和。 图 14‑10 === /* 最小路径和：暴力搜索 */ int minPathSumDFS(vector> &grid, int i, int j) { // 若为左上角单元格，则终止搜索 if (i == 0 && j == 0) { return grid[0][0]; } // 若行列索引越界，则返回 +∞ 代价 if (i < 0 || j < 0) { return 的最小路径代价 int up = minPathSumDFS(grid, i - 1, j); int left = minPathSumDFS(grid, i, j - 1); // 返回从左上角到 (i, j) 的最小路径代价 return min(left, up) != INT_MAX ? min(left, up) + grid[i][j] : INT_MAX; } 图 14‑14

决策，定义状态，建立 ?? 表，推导状态转移方程，确定边界条件等。 为了更形象地展示解题步骤，我们使用一个经典问题“最小路径和”来举例。 Question 给定一个 ? × ? 的二维网格 grid ，网格中的每个单元格包含一个非负整数，表示该单元格的代价。 机器人以左上角单元格为起始点，每次只能向下或者向右移动一步，直至到达右下角单元格。请返回 从左上角到右下角的最小路径和。 图 14‑10 === /* 最小路径和：暴力搜索 */ int minPathSumDFS(vector> &grid, int i, int j) { // 若为左上角单元格，则终止搜索 if (i == 0 && j == 0) { return grid[0][0]; } // 若行列索引越界，则返回 +∞ 代价 if (i < 0 || j < 0) { return 的最小路径代价 int up = minPathSumDFS(grid, i - 1, j); int left = minPathSumDFS(grid, i, j - 1); // 返回从左上角到 (i, j) 的最小路径代价 return min(left, up) != INT_MAX ? min(left, up) + grid[i][j] : INT_MAX; } 图 14‑14