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