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