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