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