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