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