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