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