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