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