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