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