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