精灵女佣正的可以帮助用户做家务嘛？
凭什么断定它是人工智能，而不是人工智障？
鲁柏民用疾雷汽车的自动驾驶功能来举例，他说道疾雷汽车智能驾驶功能，其实就是叶总当初在采访里憧憬的智能识别技术。
这种智能识别技术是相通的，是巨兽工业开发出来非常成熟的识别技术，是必然会被应用到精灵女佣身上的。
鲁柏民用3d动画方式，展现了智能识别系统所看到的世界，与人类肉眼观察到的世界有那些区别，以及疾雷智能识别系统是如何工作的。
3d动画中，一辆疾雷汽车行驶在拥堵的马路上。
在疾雷汽车周围马路上，遍布着几十个绿色、大小不一的正方体和长方体。
这些绿色正方体和长方体，是马路上的汽车。
再根据轿车与货车的体积差别，分别用不同大小的绿色方框表示。
在马路边缘，是体积更小的橙黄色长方体，和红色的立方体。
橙红色长方体表示摩托车和电动车，红色立方体表示的是人。
除此之外，还有用实线和虚线表示的马路交通线，以及用不规则形状表示的道路绿化。
以及出现在路上的其它物体，包括三角架、警示牌，以及交通锥等等。
这就是智能识别程序看到的世界。
没有绚丽多姿的色彩，没有神态不一的人群，没有五花八门的汽车品牌。
只有可以被数字化的线条，和模型化的立体图形。
鲁柏民告诉大家，不要觉得这些图形看似简单。以为一个摄像头外加一个图形分析程序，就能完成这些图像采集。
疾雷汽车为了能实现智能识别功能，不仅在车身周围安装了六个高清探头，在车顶扰流板处，还安装了一台长焦摄像头，可以在人类肉眼观测范围外，就锁定远处信号灯发出的红绿信号。
除此之外，疾雷汽车周围还安装有毫米波雷达，激光雷达，一同组成感知模块共同工作。
感知模块对疾雷汽车周围上百个保持运动的交通参与者，进行实时检测与追踪，并且对他们的下一步行为和轨迹进行预判。
如果遇到复杂物体，例如道路垃圾，临时路障之类。
感知模块还会根据采集到的数据进行融合判断，路面较小的物体，激光雷达采集到的信息非常稀疏，高分辨率摄像头采集到的图像清晰，但单一图像又缺乏深度信息，不足以主导判断结果。
这时感知模块就会通过多帧检测结果，与图像信息进行融合，得到物体厘米级的坐标精度信息。
这些信息传递到下游规划与控制模块，让它们来主导疾雷汽车的提前减速或避让选项。
这也是很多用户们在开启疾雷汽车自动驾驶后，惊喜发现自动驾驶功能，竟然能提前锁定他们视野盲区外的行人，对他们行为轨迹提前预判。
用户们再也不用担心有人突然横穿马路，或是冷不丁一辆摩托车从后面飞快蹿过来占道。
因为疾雷汽车的感知模块是360度工作，无论视野角度还是高度都远超人类双眼。
只要是出现在感知模块中的交通参与者，都会被牢牢锁定。
哪怕行人暂时被车辆或绿化遮挡，感知模块也会根据他们轨迹进行预判。
鲁柏民讲解完了疾雷汽车的智能识别程序工作原理，又把3d动画换成了一名站立在房间里的机器人。
机器人当然是精灵女佣，此时精灵女佣看到的世界，远比疾雷汽车在路上，看见的世界更复杂。
但无论环境复杂多少倍。
它们的环境感知模块，与下游规划控制模块工作原理是相同的，处理起来只是算力占用的问题。
汽车变成了家电沙发，道路变成了家里地面，那些路障绿化，变成了家里的瓶瓶罐罐，还有锅碗瓢盆。
鲁柏民强调，精灵女佣的感知模块一定比疾雷汽车复杂多倍。
在无数线条与图形组成的单调世界里，精灵女佣通过这些复杂的传感器，完全可以精确的把物体坐标定位到毫米级。
有了物体坐标，就等于有了可执行的运动轨迹。
以精灵女佣拿起一件衣服，丢入洗衣机为例。
用户在下达命令后，精灵女佣只需要融合用户的眼神、语言、和手势动作，就能对衣物进行锁定。
接着规划模块将拿起衣服，再到丢入洗衣机的一整套动作，拆解成几百到几千条，精确到毫米级的空间运动轨迹。
再通过控制模块，去控制热神经单元组成的肌肉运动系统，完成这些空间轨迹动作。
这些动作的计算过程是复杂的，但在强悍的处理器面前，只需要0.01秒，就能计算完毕。
精灵女佣的智能程序，只需要事先导入各种品牌的洗衣机参数，还有衣物与洗衣液的配比。
就能在超算中，进行几百万次的模拟计算，找出丢衣服最流畅的动作轨迹。
鲁柏民告诉观众们，在精灵女佣的眼里，拿起衣服丢到洗衣机的一整套动作，和它拿起菜刀，把一块土豆切成丝，再丢进锅里没有什么不同。
洗衣机的洗衣参数可以导入，那么做菜参数同样可以。
拿衣服到丢入洗衣机的动作可以无数次模拟训练，其它的家政类服务，同样可以。
当烹饪火候，食材重量与调味都被精准到最科学配比时。
鲁柏民在视频里说，他非常期待精灵女佣做菜出的菜肴，还断定比绝大部分用户厨艺高