结构方面（机械专业相关）：机械原理（所需机构的基本运动学、力学原理），机械设计（知道各种零件的用途、基本配合关系），基本装配方法（好多结构能设计出来，但是装不起来），工程图学（交给别人机加时，至少得会出二维图），公差计算基础（知道机加时哪些尺寸需要多高的精度），工程材料基础（了解各种常见材料的特性，复合材料方面不需要多深入，了解一些常用的复合材料就行），加工工艺基础（知道各种零件能如何加工出来，主要侧重冷加工方面）。硬件电路方面（电子专业相关）：电路基本原理，模拟电路、数字电路基础（会实现基本的控制电路：电源、逻辑电路等），检测技术基础（知道常见传感器的原理、指标及使用方法）。
软件方面（计算机专业相关）：编程语言（c语言或一种汇编），操作系统基础（有助于设计较为复杂的软件架构，也有助于学习单片机、dsp等控制器），常用算法与数据结构（有助于设计出合理、高效、有创意的机器人控制算法），计算机网络基础（比如未来可以做多机器人通讯等），软件工程（知道如何设计并维护软件），数字图像处理基础（用到摄像头等传感器时需要这方面知识）。控制方面（自动控制专业相关）：电机学（知道如何控制电机（马达）转起来），自动控制原理（让电机按照你的期望速度和目标位置转动起来，如经典的pid算法），一些信号处理知识（比如用于滤波）。数学方面（工科专业相关） ：
计算方法（一些用于实际计算时的算法），线性代数（或高等代数、矩阵论）用于未来需要计算多关节机器人的运动学、动力学的必备工具。会计方面（商科专业相关）：成本分析、预算等概念，起码需要知道做出这个机器人要花多少钱（一般机加要占大头，画电路板是其次，自己做的话，软件开发的会计成本可以忽略）。具体到可能需要学习的技术方面，可以从以下几方面涉猎：结构方面：学习一种三维建模工具（solidworks或pro e、ug等），能出二维图；能做一些有限元分析就更好了（会帮助你设计可靠的结构）。
硬件电路方面：会用一种电子设计工具（protel、powerpcb等），能画原理图，会画pcb；一种电路仿真工具（eda软件：如proteus），单片机（51、avr、freescale、arm等）或cpld/fpga，你的驱动程序、控制算法要在上边实现。软件方面：学会一种ide（如keil、icc、realview等），了解编辑、编译、调试方法；学习一下uc/os或其他rt os的使用，如果要跑操作系统，可方便移植。经典控制如果要设计出自己的机器人来，恐怕需要在一定“制造”的基础之上有自己的靠谱想法，可以从多个学科深入下去，仅举几个例子：机构：学习更多机构原理，积累更多机械设计经验；数字图像处理：目标检测、图像识别，立体视觉等；
控制理论：滤波算法、系统辨识、自适应控制、模糊控制等；仿生学：好多新颖的机器人都是建立在仿生学的基础上的。此外，还可以关注国际机器人方面相关的论文（如中文的《机器人学》等）或会议（如icra、iros等） ，跟踪著名高校的机器人方面研究近况（如cmu、mit等），相信一定会开阔眼界的。
软件方面（计算机专业相关）：编程语言（c语言或一种汇编），操作系统基础（有助于设计较为复杂的软件架构，也有助于学习单片机、dsp等控制器），常用算法与数据结构（有助于设计出合理、高效、有创意的机器人控制算法），计算机网络基础（比如未来可以做多机器人通讯等），软件工程（知道如何设计并维护软件），数字图像处理基础（用到摄像头等传感器时需要这方面知识）。控制方面（自动控制专业相关）：电机学（知道如何控制电机（马达）转起来），自动控制原理（让电机按照你的期望速度和目标位置转动起来，如经典的pid算法），一些信号处理知识（比如用于滤波）。数学方面（工科专业相关） ：
计算方法（一些用于实际计算时的算法），线性代数（或高等代数、矩阵论）用于未来需要计算多关节机器人的运动学、动力学的必备工具。会计方面（商科专业相关）：成本分析、预算等概念，起码需要知道做出这个机器人要花多少钱（一般机加要占大头，画电路板是其次，自己做的话，软件开发的会计成本可以忽略）。具体到可能需要学习的技术方面，可以从以下几方面涉猎：结构方面：学习一种三维建模工具（solidworks或pro e、ug等），能出二维图；能做一些有限元分析就更好了（会帮助你设计可靠的结构）。
硬件电路方面：会用一种电子设计工具（protel、powerpcb等），能画原理图，会画pcb；一种电路仿真工具（eda软件：如proteus），单片机（51、avr、freescale、arm等）或cpld/fpga，你的驱动程序、控制算法要在上边实现。软件方面：学会一种ide（如keil、icc、realview等），了解编辑、编译、调试方法；学习一下uc/os或其他rt os的使用，如果要跑操作系统，可方便移植。经典控制如果要设计出自己的机器人来，恐怕需要在一定“制造”的基础之上有自己的靠谱想法，可以从多个学科深入下去，仅举几个例子：机构：学习更多机构原理，积累更多机械设计经验；数字图像处理：目标检测、图像识别，立体视觉等；
控制理论：滤波算法、系统辨识、自适应控制、模糊控制等；仿生学：好多新颖的机器人都是建立在仿生学的基础上的。此外，还可以关注国际机器人方面相关的论文（如中文的《机器人学》等）或会议（如icra、iros等） ，跟踪著名高校的机器人方面研究近况（如cmu、mit等），相信一定会开阔眼界的。
