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