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