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