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