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