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