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