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