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