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