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