应该学习哪些方面的知识，才能适应机器人研发的工作？

　　这里有必要提醒各位注意一个技术人员容易忽略的基础事实： 　　【机器人学是一门高度交叉的工程学科】为什么要说这个？是因为这里面有两个重要的词：交叉、工程。下面是分开讨论： 　　【交叉】意味着机器人学涉及的知识范围非常广泛，上至院士，下至爱好者，没有能一个人搞定所有事的。中国学术界，一般来说倾向于把涉及的技术分为三大类：感知、认知、动作，近年来又补充了协同，这里简单介绍： 1.感知技术核心的是传感基础，其中包括了：传感器（各类传感器，基于什么原理的都有）、信号处理（核心使用的技术是各类滤波、多传感器融合等）、模式识别（视觉、语音、运动捕捉等）等等。 2.认知是理解环境的部分，现在主流的核心手段是（基于认知科学的）机器学习技术。人机交互的理解部分一般也放在这里。 3.动作是从事的人最多的部分，传统工业机器人几乎所有问题都在这里面。动作首先包括了机械、电子（拖动）这些看得见的部分，然后还包括了于控制理论为核心的运动控制，规划理论为核心的运动规划， 4.协同是后来被补充进体系的（暂定，未普遍接受），主要包括了网络化和多机器人。网络化大部分问题是工程性质的。多机器人则主要研究如果每个机器人单独决策时，如何全局最优等问题。 　　【工程】机器人是工程学科，意味着你不能理科思维去学习他。你无法通过【学习基础理论=》推演出各种问题答案】这条路走下去，因为所有的研究都是基于【你的系统使用了什么设备】为基础的。所以搞这行的基础之一就是，你要知道你有什么可以使用的。 对于一般的团队，通常机电部分和软件算法部分至少是不同人的（普通嵌入式软件归机电部分，但复杂闭环之类的可能归算法）。对于一个具体的人来说，一般我们都会具体的区分这个人是做机器人哪部分的，而各部分之间的基础技术可能完全不同。 【问题来了】学挖掘机……恩，不，学机器人到底需要什么技术呢？看到这里题主肯定更迷茫了，这么多怎么学？实际上说，我们肯定不需要都学，这里给出一些典型的场景和搭配，名字都一般的俗称，给题主一些参考： 【搞系统的】通常指那些构建机器人系统的领军型人物，这类人是典型的工程师，知识结构以了解所有相关学科进展为基础。很多情况下，这类人才都是做各种填补空白的项目，擅长领域相关的分析。知识结构大多以机电出身，少有机器学习和软件出身。 【搞机的】机械、传动、电机（选型等）、液压、底盘等等技术为基础，是机器人系统的基础，也是国内几人领域的主力军。通常在扎实的设计能力上，要求有限元等分析手段。是很强调经验的类型。 【搞电的】嵌入式（包括其中的软件）、传感器、驱动、闭环控制（PID等）、滤波、通讯协议等等技术是必须的，尤其要求见过的东西多。 【搞软的】很不幸，这个比传统的软件概念大很多，除了通讯、UI之外，决策等算法问题通通都要这些人来解决。甚至基本的机器视觉、多机协作都要掌握。 ==上面是工程型，下面是扩充的细分研究== 【搞导航】注意，很多时候说导航，解决的不是怎么从A到B的问题，而是定位问题：我在哪？核心技术大多数都是以贝叶斯滤波为基础的（比如卡尔曼等）。如果细分，则搞SLAM的和搞GPS+惯性+航迹的会分为两类。这些方向基本上独立构成问题，专精即可。 【搞规划】这个才是很多人以为的导航，简单版是路径规划，复杂的可能包括人的步态规划。这个方向往往没法完全独立，大部分研究的人还同时在各种平台上面做优化，需要有工程分析能力。 【搞控制】这个就不是简单的控制了，而是那些“领先科技20年”的高端控制问题，非线性什么的是至少的，需要强大的数学基础。通常是搞理论或是专注于某个具体复杂应用领域的人。 【搞识别】模式识别与机器人是千丝万缕的联系，很多搞识别的也都搞机器人。但基础知识和机器人学已经没什么关系了。 【搞动力学】机械的特殊进化方向，主要是由于其复杂性和在实际应用中大量使用的估算方法，所以变得只有高端应用和科研才会实际使用。 【搞智能】尤其以科大为代表，同样机器人最后不是唯一对象了。 还有很多很多，人数相对少些，就不多说了。注意后面的都是研究分化。还可以按特定领域分，这里就不列了。 　　如果你打算搞机器人，那么最好首先在基础里面选一个，着重自己的，同时了解其他几个就好，如果有兴趣。可以细化方向。搞机器人没有严格上必须会的（或许英语是例外）。