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