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