这周世界机器人大会在北京开得挺热闹300多家企业150多款首发新品。跟前几年不一样的是今年的机器人不再秀”会跑会跳”而是亮出了”真干活”的本事——现场做煎饼、冲咖啡、指挥交通、帮人看病。但你可能没注意到一个细节这些”干活”的场景里机器人都绕不开一件事——识别文字。举个最实在的例子。一个银行大堂的服务机器人客户把身份证、银行卡递过来它得先”看懂”证件上的信息才能帮客户办理业务。一个政务大厅的引导机器人得能”读懂”办事指南、识别表格单据才能告诉你去哪个窗口、填什么表。一个仓储物流机器人得能”认识”货箱上的标签、运单、条码才能把货送到对的地方。这些”看懂”的能力核心就是OCR。我们公司做的OCR识别引擎这几年在机器人场景里用得越来越多了。机器人上集成的摄像头拍下证件、单据、标签OCR在几毫秒内把文字提取出来转成结构化数据交给机器人的大脑去做下一步决策。说白了OCR就是机器人的”识字能力”没有它机器人再聪明也是个”文盲”。机器人场景的OCR跟手机App里的OCR还不太一样。难点在于机器人拍摄角度不固定证件可能歪着放、单据可能反光、标签可能磨损而且机器人要实时响应识别速度得跟得上机器人的动作节奏。这对OCR引擎的鲁棒性和速度都提出了更高要求。我们针对机器人场景做了不少优化比如低功耗下的快速识别、复杂光照下的图像增强、小字号的精确提取。现在一些服务机器人、巡检机器人、物流机器人已经在用我们的识别能力。世界机器人大会传递的信号很清楚机器人正在从”会动”走向”会干”。而”会干”的前提是”会看”。OCR这个看起来有点”传统”的技术恰恰是机器人落地过程中最基础、最不能省的一环。