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