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