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