姜岳升闷闷不乐地回到家，感觉胸前好像压了一块石头，茶饭懒餐。

他一直在不停地思考一个问题，为什么在试验场，人们用肉眼一眼就能看出来机器人的偽装？而机器人却不能。

其实，在试验场，不管机器人是否改变偽装的形式，单个也好、聚集也好，我们人类都能轻鬆看出来它们的偽装。

就好像我们具备了识別一匹正吃草的马以后，我们就同样也具备了辨认飞奔的马、打滚的马的能力。

我们人类之所以具有这种举一反三的辨別能力，主要是因为我们的大脑，捕捉到了很多机器人捕捉不到的独特的特徵。

不管这些特徵怎么变换形態，比如一匹马在飞奔，还是在吃草。只要我们发现它身上有几个马独特的特徵，我们就会认定，这就是马。

也就是说，我们还是需要在识別单个机器人的独特特徵上下功夫。如果能抓住机器人足够多的独特特徵，不管它怎么偽装，都能一眼识破。

想到这里儿，姜岳升觉得应该彻底改变思路，把重点放在机器人外观特徵的建模上，而不是放在环境建模上，环境是千变万化的，我们建模的速度不可能跟得上环境的变化，而我们的目標是机器人、不是环境，只要抓住机器人足够多的特徵，就可以以不变应万变。

他突然想起了警用监控系统的人脸识別技术，说不定能从人脸识別技术的建模方式上，得到一些启发。

於是，他在手机上打开ai大模型终端，输入：请问，监控是如何区分人和其他运动物体的？

很快，大模型的答案来了：

第一、识別轮廓特徵，包括十个方位的轮廓特徵；

第二、识別结构特徵，包括肢体部位的相对位置特徵和比例特徵；

第三、识別运动特徵，包括站立、走、跑的特徵；

第四、识別面部特徵，包括瞳孔距离、两耳宽度、鼻尖眉梢距离；

第五、识別运动轮廓特徵，包括双腿摆动角度、双腿与躯干角度、双臂角度、双臂与躯干角度；

第六、识別运动结构特徵，包括头部、上臂、腿部的位置关係；

看到了大模型上的描述，姜岳升立刻有了主意，因为机器人的结构是模仿人类製造的，监控系统识別人的这些特徵，大多数是可以直接移植过来的。

【写到这里我希望读者记一下我们域名????????????.??????】

只需要让机器人能够准確地区別人类和机器人不就行了吗？

想到这里，他进入了ai大模型的编程入口，输入：“请编写区分人和其他运动物体的程序”

几秒钟后，答案来了，ai大模型给姜岳升显示出了一个五千多行的完整程序。

第二天，姜岳升集齐了方案组的组员，向大家说明了自己的新思路。

“你这不是把前面的方案彻底推翻了吗？”

史俊有些不解地问姜岳升。

“是的，虽然前面的方案是我提出来的，但是我现在认为那不是一个好方案，算是一个临时起意的方案，不能解决根本问题。而今天我提出的方案，才是一个符合逻辑的第一性解决方案。”

“那我们前面的工作不是都白做了吗？”

史俊很无奈地说。

“確实，大部分工作都白做了，但是我们如果继续沿著原来的路子走下去，將来需要付出的工作量可比新方案大得多，所以，我们应该及时止损！”

本章未完，点击下一页继续阅读。（1 / 2）