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