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