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