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