大學本科渣物理，碩士打算去美帝讀機器人方面的，請問需要自學些啥呢?

12-28

rt，物理渣，打算轉機器人方面的，需要惡補哪些。。。。。

取決於你對哪個領域感興趣。以人做類比，人完成一個行為大致需要四個系統，一是感知器官（眼睛，皮膚）來感知周圍環境; 二是大腦，完成推理決策; 三是脊椎控制運動;四是軀體完成運動。相應的機器人身上需要1)各種sensor (camera, haptics, lidar), 2)artificial intelligence, 3) motion control. 4) hardware。下面分開說各個領域需要了解的知識。
1. sensor and artificial intelligence。可能涉及的領域包括（不限於）：

computer vision。這個要求很強的編程能力。
sensor fusion, kalman filter, SLAM。這方面的數學基礎是probability and random process。題主可以看看Sebastien Thrun的Probabilistic Robotics,裡面詳細介紹了Kalman filter和Particle Filter.
machine learning。機器人領域常用到reinforcement learning. Berkely的Pieter Abbeel和Stanford的Andrew Ng在這個領域的成果非常漂亮，可以讀他們的論文。同時Sutton和Barto的Reinforcement Learning: An introduction是一門很好的入門教材，這本書有html版Sutton Barto Book: Reinforcement Learning: An
Introduction。

從自學的角度來說，題主需要多學習編程和probability.

2. motion planning and control。需要學自動控制原理，機器人領域的控制方法主要包括

PID control, 最經典的控制理論。我當時用的教材是Feedback Control of Dynamic Systems
Nonlinear control，需要學習Lyapunov theory. 我學習時用的是J.J Slotine 的Applied Nonlinear Control, 國內有影印版。
Optimal control。推薦教材 optimal control and estimation。同時可以學習一些optimization的課程，包括linear programming, convex programming。關於linear optimization推薦Bertsimas的Introduction to linear optimization, convex optimization推薦看Stephen Boyd的convex optimization Convex Optimization.
Robust control, adaptive control。
motion planning方面常用的演算法是RRT，PRM和trajectory optimization。需要對CS的algorithm比較熟悉(BFS, dijkstra algorithm, A*, etc), 推薦看Steven LaValle的Planning Algorithms Planning Algorithms / Motion Planning.

一開始自學時題主可以從PID control入手。對於更加現代的機器人控制理論，可以參考edx上的公開課Underactuated Robotics

3. hardware, 我本人對這方面缺乏了解。等待大牛來解惑。

以前J.J.Craig的教材introduction to robotics常被推薦來做入門。但這本書主要針對傳統的工業機器人，現在新的機器人領域（人形機器人，無人機，水下機器人）等缺乏涉獵。建議題主可以先看看IEEE Spectrum上面的robotics板塊，先看看自己對具體哪一種機器人，哪一個子領域特別感興趣，然後再找到相關的實驗室。然後就可以直接看對應實驗室的論文啦走上phd的不歸路。

別上來就是惡補自學
首先先努力到一個適合自己的學校

如果想從事某某教授的某一項研究，那麼惡補/自學一下基礎還成。目前連方向都沒有就別撲進知識里去比較好。

看點導論，看點學校網頁。

精髓在PLC和單片機

線性代數

這個我有切身經歷～都別攔著我……本科天文（和物理差不多嘛）現在在美帝某渣校讀ECSE的ROBOTICS。
首先從機器人上，你要明白自己要做那一部分，有人是做CV視覺的，有人做工業機器人的，還有做UAV的，每個方向的要求都不同。然而從物理的角度來講，我們的線性代數水平還是不夠…熟練。不信你可以看一下機器人機械臂關於pathplanning最基礎的教材。另外就是編程能力了，之前也熟練應用過Linux，也寫過不少C的程序，但現在用khepera跑一些簡單的演算法或者mbed這種IoT設備的時候還是力不從心。
留個坑，困了。