就像麦田守护者。
先建造一个空旷的房间，让它跑。
如果撞墙，那就找AI匹配一套传感器，加载到原始机型中，避免碰撞。
如果提前制动，那就找AI匹配一套雷达，距离制动。
如果想让它快要碰触墙体的时候，自动拐弯，那就让AI设计一款驱动，再加装变速器、变向系统。
如此，原始机型就可以在空旷的四方形房间里，自由自在的奔跑。
接着改变户型，把房地产开发商经常使用的户型，按照比例照搬过来，继续让机器人奔跑。
或增加传感器，或增加雷达，或进行相关调着。
期间，借助AI重新设计控制芯片，增加逻辑；迭代电机驱动，提高功能性。
然后在房间里有序部署常用的电视机柜，常用的沙发桌椅，常用的家用电器···继续让机器人跑。
期间，再次借助AI重新设计芯片···
等到成熟，更改地形，继续训练。
在这个过程中，绝大多数场景训练可以让AI模拟，借此降低训练量，加快研发速度。
所以AI是个跨时代产物。
可能会有人说，训练场景全都十分常见，某些偏门户型怎么办？
这涉及‘用户体验改进计划’。
或者说，训练的这些常见场景，是为了满足绝大多数人使用要求。
目的是拉动销量，让人买回去使用，借此填充机器人数据库、进一步完善专业模型。
如果‘无法满足需求’的客户买回去，只要机器人跑起来，相关数据上传，整个过程相当于一次全新的训练，反而有利于机器人成长。
并且这类客户越多，数据拓展越快，专业模型越完善，机器人也就越聪明。
所以，无论麦田守望者今后用来做什么，收割麦子也好，打鸟也罢，甚至用于战争，它都必须拥有足够庞大的使用群体。
这些群体，包括扫地机器人客户、擦玻璃机器人客户、自动剪草机客户、自动追踪器客户、管道探测器客户···
最终，所有用户的数据叠加、筛选、优化，组成大数据库，众多小模型综合、拼接、优化，构成大模型，再辅以AI控制。
一款多用途智能机器人也就诞生了。
当然，这需要很长很长的时间进行研发。
犹如之前考虑的智能汽车，需要5~10年。
“小余老板，咱
…。。