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