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