第364章 黑科技：家政机器人（2 / 2）
里头的算法才是最核心，最关键的技术！
当然，收集数据的感应器，支持算法运转的算力芯片这些也很重要。
人工智能的特性，决定了数据越多越好。海蓝汽车当初搞自动驾驶的时候，可是弄了一大堆感应器放在车里，还和大量出租车，快跑出行的网约车进行合作，然后持续收集大量的驾驶数据……智云的无人车项目为什么能够搞出来这么好的自动驾驶
这些大量的驾驶数据就是其中很重要的一个环节。
后来海蓝汽车在自己的车里持续收集数据，那么自我进步的就更快；
毕竟人工智能是训练的！
虽然智云集团的人工智能技术已经挺不错了，但是依旧是一种需要针对性训练的ai。
想要让它做任何一种工作，都必须进行长期的，专业的数据投喂训练……而且还是得一种一种的训练。
这种训练其实是非常耗费时间的。
这也是智云机器人有限公司，会先向市场推出比较单一化，同时用于固定场合的餐饮系列服务机器人以及工业机器人的缘故……训练量比较小。
因为智云机器人有限公司，目前就只训练出来这么多功能……后来还得一个接着一个训练，比如搞扫地拖地、收拾客厅杂物、收拾厨房等等……
其中很多对于人类而言没有任何难度的一些家务，对于机器人而言其实是属于非常高难度的工作。
比如收拾厨房……在人类的视角里，不外乎就是把脏的碗筷锅等洗干净，顶多再拖个地之类的就行了。
然而在机器人的视角里，其实可以细分为几十种不同的工作，任何一种都是高难度，并且需要进行专门的训练。
而这种训练，是很耗费时间的……它不像是文字，语音上的人机交互有着大量成熟可用的数据可以直接投喂。
也不像是无人车那样，有着大量的车辆行驶数据可以用来投喂训练。
大量机器人的研发所需要的数据，其实很难进行大规模收集，只能是直接慢慢积累数据并训练。
在当下的人工智能领域里，核心的算法框架是最重要的，其次是训练ai的算力，再过来则是投喂的数据了。
上述三者是三位一体的！
前两者是技术硬性条件的限制，而后者的话，纯粹是钱和时间的问题。
机器人开发里，最大的时间成本，不是算法本身的开发，而是大量数据的投喂训练……比如要让机器人收拾餐桌的话，你得不断的纠正机器人的动作，让它知道该怎么收拾。
所以，看似很高大上的机器人开发……除了人们传统意义上的各种软件，硬件上的开发外，更多的还是大量的普通人员不断的纠正机器人的错误。
当然，这部分低技术含量，重复且枯燥的工作并不是在高大上的总部基地里进行，而是在郊区的一个训练工厂里进行……在那里，智云机器人有限公司的训练基地，有着超过两千名员工持续训练，纠正机器人。
让机器人学会洗碗，洗衣服，扫地，拖地，倒水、制作咖啡等一系列人们日常生活中习以为常的一些动作。
普通人几乎很难想象，如此高大上的机器人，竟然是一群普遍初中生，高中生等低学历的普通工人训练出来的……
而他们之前的训练成果，就是餐饮系列服务机器人……已经相当完善成熟，机器人可以根据指令熟练的制作咖啡，奶茶以及其他部分简单的食品。
可以用在咖啡厅，奶茶店乃至西餐厅等简单，轻食类餐饮行业，可以让投资者节省大量的人力成本。
但是，当持续完成一项又一项的家务工作的训练后，持续累积起来后，机器人项目组也就逐步完成了家政型机器人的研发！
而这个东西，对于当代的技术而言，毫无疑问是黑科技！
哪怕只是看起来很笨的家政机器人，做什么事情还不咋地，但是它依旧是名副其实的黑科技！
对此，徐申学非常期待，准备等一会就去现场看看实物。
不过现在会议还要继续，现在的机器人项目组还在继续道：“此外，我们今年年初也正式向市场推出了工业用运输型轮式机器人，或者说工业用运输无人车，该产品是和无人车项目组进行合作开发的！”
“产品尺寸从小到一米再到十米的都有，目前我们的工业无人车已经在部分客户手中进行了应用！”
“主要应用场景在仓储中心，物流中心，港口！”
“上个月，我们和美国的一家码头运营企业达成了协议，将会为对方提供全套的码头无人运输方案，用于港口码头的集装箱中转运输，按照我们的预计，方案实施后，将会为我们的客户节省百分之四十以上的成本，提升百分之三十以上的码头运转效率。”
“工业用运输无人车，这是我们公司未来的主要领域，也是近期最有可能为公司带来大量营收的领域！”
“当然，我们今年，乃至明年最为期望的还是在家政型机器人方面进行突破，在第一代产品进行投放后，获得部分科技爱好者人员的喜欢，然后代替我们进行训练，让我们获得足够多的数据！”
“只要数据足够多，我们甚至明年就能够推出来相对完善的家政服务机器人，做出来真正意义上的家政机器人，甚至进一步延伸到其他领域，如老人陪护，照顾儿童等等领域！”
“家政机器人市场极为广阔，一旦充分开发的话，将会是一个万亿级别的市场。”
徐申学道：“家政机器人的市场自然是非常广阔的，前提是要把产品做好，走走，会议也开的差不多了，带我去看看这实物，好东西总得拿出来看看啊！”最近转码严重，让我们更有动力，更新更快，麻烦你动动小手退出阅读模式。谢谢
↑返回顶部↑