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