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