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