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