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