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