自動化讀研選擇模式識別/機器學習or機器人？

01-02

大四應屆生，本科211自動化專業，第一次考研沒有想清楚方向，胡亂考了一把不分方向的專碩，未果，目的性不是很強，想二戰考研，對時下熱門的機器學習有興趣，一是覺得能學習各類數學知識來解決問題很棒，另一方面是想增強一下編程能力，數據方向有些想入坑，但是覺得有點為最後AI成果打雜的感覺，不知道有沒有機器人發展更火。之前看過@YY碩的機器人工程師養成計劃，需要學習的很多，包括AI，但AI只是其中的一部分，自己通過本科的學習，對硬體電路和機械設計方面感覺一般，可以接受，但說不上愛好。想問問如果當前還沒有確定好方向的情況下，從機器學習（數據）or 機器人（工業/服務/醫療）哪個方向入坑會更好一些，這兩個將來發展前景如何？

瀉藥。

開始前先糾正一個觀點，很多人認為機器人軟體就是人工智慧，這是非常錯誤的觀點。或許有很多搞人工智慧的實驗室和公司在做機器人（這些實驗室往往在計算機學院），但，機器人實驗室絕對不是都在做人工智慧，即使是機器人頂級會議期刊也不全是人工智慧（我們知道做學習發論文容易，論文比例理應還高於實際比例）

先說個事實：我們中心培養的機器人方向和人工智慧模式識別方向的研究生都去互聯網公司做AI了，其它方向的研究生反倒很多去做了機器人。理由很簡單，即使是機器人如此火的今天，同水準的工程師薪酬仍然明顯低於互聯網行業，並且從行業特性來看，不太可能能翻身。

如果你看到這裡還打算搞機器人，那就可以了解下機器人軟體工程師的主要技能樹了。

首先是軟體基本功，主要包括嵌入式（雖然用的多，但千萬不要從這裡開始學，切記），普通UI開發，各種調庫，各種跨平台。我見過的機器人領域的好軟體工程師都是很好的程序員，注意不是演算法工程師，是程序員（當然可以同時是演算法工程師）。機器人系統中絕大部分都是軟體工作而非演算法工作，尤其是功能複雜的機器人。

然後就是硬體基礎，（我知道你是軟體工程師，但你要做的是機器人領域）。從機械到電子全部要求〔理解〕，不要求你能畫圖，但要完全聽得懂硬體工程師在說什麼，否則你的工作舉步維艱。

然後就是控制與信號處理。相對於人工智慧，控制理論才是機器人領域的核心演算法。不懂這個你的小車跑起來永遠跟喝醉酒一樣。機器人，終歸還是和電機感測器這些東西打交道，控制和檢測才是核心技術。如果說到一個團隊技術水平支撐不了，那通常都是沒人懂這些。

到這裡，你就可以從業了，然後說說升級課程（都是不必須，針對特定問題）。

各種濾波器，無論是導航，還是複雜的反饋，這些都是基礎。比如卡爾曼，粒子這些就很火

規劃，重要度低於控制，但是是複雜動作的基礎。

視覺，恩，很多人覺得很重要，但大部分機器人公司和實驗室視覺都是單獨的技術組，基本上說很少有名副其實機器人視覺工程師，大多都只是個視覺工程師。

語音與自然語言，同上，通常是單獨的組。否則就是軟體工程師直接搞定。

機器學習，除了視覺外，只有少數的多模態模式識別（如肌電信號）和複雜運動策略（如雙足步態）用到

我接觸到的實際研發團隊中，配置也大約如此，結構複雜的機器人（尤其是特種機器人）基本上是機械工程師為主，軟體電子配合，等機器人完成後再由軟體組做點添彩的比較炫的功能。剩下的則是嵌入式工程師為主，配特定的演算法人員。包括SLAM什麼的在內，都是單獨的組去干。

如果不讀phd，這幾個專業里你選什麼其實都差不多，真的。

如果你說的機器人方向不涉及構型綜合和機構設計，這幾個方向都屬於計算機科學。而且現在熱門的機器人學方向，包括不限於:機器視覺，多感測器融合，狀態估計感知，交互等等，和你說的模式識別與機器學習，本質上就是概率統計專業的問題。

無論學習上述任意一個方向，作為碩士都可以在找工作的時候換行業的。

而且不要把自己局限在專業上，課餘學習一些其他科學的內容也會讓自己對本專業產生不一樣的理解。

不管學什麼，一共就3個基礎。

數學，計算機，英語。

謝邀

我本科也是自動化，研究生報的也是專碩，研究生方向是特種機器人，現在工作找的嵌入式軟體，結果公司給安排做嵌入式設備的上層應用，主要用C++開發，工作主要是在原有的基礎軟體框架上進行特殊定製。

結合研究生階段學習和工作情況，個人覺得我們是需要確定自己的大類方向的，確定大類後就聽天安排看你自己能進什麼樣的實驗室，然後決定了你研究生階段所研究的方向；進入什麼樣的公司，然後給你分配到什麼樣的部門什麼樣的小組，就決定了你以後的工作內容。

模式識別/機器學習多半是研究演算法的，工作方向是演算法工程師，一般是編碼實現某個演算法，至於演算法證明，驗證可能還打不到那個水平，一般是博士生或經驗豐富的演算法工程師完成，這個薪水比一般程序員薪水要高些，是個不錯的選擇。

機器人方嚮應該還是要延續本科自動化的學習模式，要學的東西特別多，從底層的硬體電路原理圖，畫PCB，打板焊接，實物調試，單片機應用程序開發，操作系統（一般是linux系統）學習，相關嵌入式linux驅動開發，linux系統上層應用開發，感測器信息採集，到上層上位機界面編寫（一般會用QT，Wxwidgets）等，我自己就是這個方向，所以深有體會，學的東西太多，時間有限，自然就學不大精了，這是一大弊端。研究生出來後由於做機器人實物公司還太少，挺難找到對口的工作崗位，我給自己定位是嵌入式軟體工程師，結果就找到現在的工作，做嵌入式linux設備的上層應用開發，可以看出我現在的這份工作並不能全部應用到我所學的只知識，甚至說還要從頭開始學（之前主要用到的是C語言，而不是C++）。不過想想，並不是第一份工作就是我職業生涯的全部，所以我還是很慶幸自己在研究生階段有研究機器人這個方向的經驗，讓我的知識體系完善了很多，也有了完成系統級工作的眼界與能力，我想這是很重要的，會對我以後的工作都會有很大的裨益。

最後我給的建議是，要看個人對自己研究生階段的定位與所要達到怎樣的目的；要是只是想通過研究生學歷給找自己工作增加籌碼，一進社會就像要高工資，那麼選擇CS純軟體，演算法方向研究，以後進入BAT，網易，華為這些公司是概率較大的。若想要提升自己的知識面，完善自己的知識體系，那麼機器人方向是很合適的，因為就像我前面所描述的機器人方向要學習的知識體系是很全面的，結合實驗室的實物機器人研究也是非常有樂趣的。

往偏硬體方向走，然後掌握軟體基礎知識，真正有力的競爭者不是資源擁有者而是有整體意識，戰略眼光，會整合資源的人。

做硬體你搞不過學機械和工設的，做軟體你搞不過學數學和計算機的，但是你的視野和他們不一樣，做機械的不一定搞得定演算法優化，學數學的不一定玩得轉感測器機械臂，這時候你就可以做個中間人，知道他們之間互補的地方，然後去整合資源。

至於為什麼往硬體方向走，因為硬體需要的設施儀器只有學硬體的地方才有，但是學軟體，條件相對於輕鬆自由。對比你自己買單片機樹莓派感測器搭工作台的成本和你下載開源項目的成本。

個人傾向於選擇模式識別，那就以模式識別為選擇進行闡述：

模式識別是人工智慧最早的研究領域之一，「模式」的原意是指供模仿用的完美無缺的一些標本。狹義的模式識別是指為計算機配置各種感覺器官，使之能直接接受外界的各種信息。

現在，模式識別一般是指應用電子計算機及外部設備對給定事物進行鑒別和分類，將其歸入與之相同或相似的模式中。

較之於不同的識別對象，模式識別技術也已經在很多領域獲得了應用，例如：

1.圖形、圖像識別：主要研究各種圖形、圖像的處理和識別技術。利用這種技術開發出來的指紋識別、人臉識別、車牌識別、印刷體和手寫體字元識別、X光片識別、遙感圖像識別等系統已經進入實用化。

2.語音識別：主要研究各種語音信號的識別與翻譯及語音人機界面等。目前，語音識別技術比較成熟，計算機可以識別人類語音並將其轉化成文本字元，有關軟硬體產品相當豐富。

3.信號識別：主要研究各種感測器信號，以識別、區分信號源。例如，對雷達、聲納、地震波和腦電波等信號的識別在軍事、地質以及醫學上都有重要應用。

模式識別還有計算機視覺、染色體識別等等，模式識別也是人工智慧領域的核心技術之一，方向性的選擇，主要看未來的商業化，模式識別在各行業均有應用，人工智慧發展至今，更是值得我們期待，處在多智時代的我們，也更要知道，人工智慧商業化，需要解決哪些問題？ - 人工智慧多智時代

工作後想考研的路過瞎說一通。機器學習如果不是演算法研究員，建議只把它當工具。

建議入坑服務機器人，從控制方向或視覺多感測器融合兩方面選擇一種。其實感覺還是控制方向好一些，視覺上要解決的技術難題太多了，遇到不懂技術的上司客戶更頭疼

感覺吧，都行，看題主興趣，其實機器人的軟體部分就是人工智慧，硬體部分硬體設計與智能控制也是兩個方向，一般都會學吧

這兩個東西完全可以放到一起，SLAM這就是圖像處理完路徑規劃。

這兩個有衝突？都要學的好嗎