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