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