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