卡本的困境是一个行业技术向前推进的自然状态🐋，探路的人永远比走路的人艰辛👧，同样的🌲，如果这个探路者找到一条新路👡，他就有机会收获最大的价值👠。?????笔??趣阁?ｗ?ｗ?ｗ?．?ｂ?ｉ?ｑｕｇｅ．ｃｎ

在莫回的概念里☝，卡本所面临的障碍基本上都是工程技术障碍♉，理论障碍非常少🐾，人类展大现在这个阶段🍼，生活服务机器人实际上在各个主要的基础理论领域已经成熟⭕，无非是在工程技术上存在大量的难题🏎。

做个简单的类比🐈，内燃机的理论模型很早就已经建立起来了🌂，但是后面一代代的内燃机不断的更新换代🍷，技术不断向前推进🉐，实际上并不是理论上获得了什么突破🎓，只不过是内燃机的工程技术上日臻完善🌓。

如果我们抛开材料技术等周边学科的进步♊，单独谈论内燃机的技术进步🐾，就会现它的进步在原理上并没有脱离最初的理论模型🏡，无非是热效率的不断提高🍖，功率的不断提高🎇，这些进去都是工程技术上的进步👡。

现在在机器人领域面临的就是这个问题🀄，主要领域的理论技术已经不是障碍🌘，现在只是需要进行工程技术上的突破🍢，理论上可行了🌜，还必须要在工程上实现它🍲。

现在机器人卡壳的几个关键领域🍴，图像识别👃、语音识别🐗、人工智能🐙、定位与导航🌦，准确来说也谈不上卡壳🌓，只不过现有技术实现效果不佳🎱。

就好像早期的蒸汽机🌇，压力不行🍝、密封不行🐧、传动不行〰、机械结构也不成🎇，导致整体效率非常低下🐯，只能在矿井里负责排水✏，应用场景和市场接受度受到非常大的限制🌆。

现在的机器人也是这个状态🍓，整体来看🐕，每个领域的都有技术能够用上🆚，但是性能都不咋地🐠，组合起来的整体就显得更差➕，往往挺昂贵的东西🍿，但是真正用起来就是一时新鲜🎌，应用性和工作效率很差🐻。

说白了👂，现在的生活服务类机器人🐅，有太多领域需要加强🎿，这些领域的技术太低🏯，导致机器人整体的应用性能始终提不上去🍿。

不过有个好处就是⬅，所有相关技术都有🎋，不至于说出现一个暂时完全无法解决的技术空白领域⚾，有没有的问题已经解决🏤，现在正在解决好不好的问题🈵。

比如图像识别技术❗，这个技术很早就有🍕，从这个技术延伸出来很多相关的应用技术⏯，比如百度的搜图⌛，比如人脸识别👋，比如三维重建等等➰，都是从这个技术延伸出来的🐟。

库卡面对的是标准化可设计场景⬆，而卡本面对的是随机不可控场景☝，并且突事件很多🏨，所以相对来说👇，卡本面对的技术难度要远高于库卡🐾。只不过库卡倾向于精度和效率🐍，卡本倾向于可用性和智能性🌃。

卡本的收购成本并不高🏌，并且它算是在生活服务机器人领域走的最远的🐁，莫回拿下卡本的一个主要的考虑是尝试利用极本加研进程🎇。

目前极本的运算能力是常的🌫，智能性也还不错🍷，虽然未必是最强的⛷，至少在各大实验室研的aI中算是第一梯队的🏙。

极本对卡本可能提供的帮助应该在模拟和排错上🏠，比如图像识别🏹，想要获得一个应用效果比较好的图像识别技术🏁，关键就在算法和无监督自我学习的智能性上🆔。

莫回采取的是笨方法⛅，当卡本被收购之后🐈，让卡本团队在图像识别领域提供一个演进模型👲，这个模型实际上是一个训练模型👖，通过海量样本进行人工智能的训练和学习🎉。同时让他们提供图像识别领域所有可能的算法🌆，无论这个算法有效性如何👣。

莫回依托上帝之手可调用的资源相当多👦，他不仅要求卡本提供🎭，还联系了很多在这个领域进行研究的科研和商业机构🎯，让他们提供类似的东西⚽。

莫回做的事情实际上是尽量将这个领域的算法穷举🏯，同时将这个领域的研究方法穷举👄，然后利用海量的样本让极本进行无穷比对和组合♒。

严格来说他这不算是科研🌑，他是利用极本的计算力优势🎅，不停的排列组合🐺，穷举所有可能性🏀，在其中找到可能的道路🌍。

这个方法虽然很笨🍣，但是在某型领域确实能够起到效果🍙，实际上大数据提取出来的各种规律和关联性🆕，都是利用各种算法🐤，通过类似的方式🏹，寻找隐藏的或然关系的🏊。理论上来说某些科研也类同于穷举🐐，白炽灯的明其实就是穷举所有可能材料🐭，最终选中了钨🌩。

极本的第一次科研是在阿朱这个人工智能的帮助下磕磕绊绊进行的🌐，好在极本的运算度非常快🎻，技术瞬间就会给出结果🈯，无论面对多大的样本库🏻。

所以莫回的科研进度很快🏊，他能够在一天只能调整数十次计算模型🌽，不断试错不断碰撞⚓，寻找可能正确的道路👑。

以图像识别技术为磨刀石⛹，莫回不断的磨砺极本进行科研的应用办法🐒，不断的调整🏆，不断的尝试🌵，在持续的互动调整中👒，极本慢慢将其强性能挥出来🐋。

当极本的科研方法基本有了雏形的时候🎍，一个应用性能已经差强人意的图像识别出炉了🍚。它的算法是极本通过无数次推衍和演化之后形成的🆙，它的智能模块经过数以亿记的图片和视频的训练⤴，已经拥有足够的适应性🎖。

这个图像识别技术很快给到卡本团队进行了应用性测试👖，结果现它已经能够通过照片和视频识别家庭中大多数常用物品🐄，能够分辨宠物🐃，能够辨别移动物体⬅。

做到这一点⚪，实际上在视觉识别模块上🐢，已经差不多能够满足生活机器人的需求了🎒，后面需要做的就是基于这个技术🏈，延展其他功能🌿，比如距离判断👜，路径规划🌑，自身定位等等⛺。

对于莫回来说🏅，最大的收获不是这个图像识别技术🍳，而是为了研这个技术的过程中🃏，极本摸索出来的科研模式和方法🍚。

有了第一步就好🅱，莫回将其程序化🍜，变成一款带着自学习能力🏌，拥有相当智能性的全新模块——科研1.o(未完待续🐃。)

本章未完，点击下一页继续阅读