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