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