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