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