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