興趣是第一位的。
其次，【機器人學是一門高度交叉的工程學科】為什麼要說這個？是因為這裡面有兩個重要的詞：交叉、工程。
A：【交叉】意味著機器人學涉及的知識範圍非常廣泛，上至院士，下至愛好者，沒有能一個人搞定所有事的。中國學術界，一般來說傾向於把涉及的技術分為三大類：感知、認知、動作，近年來又補充了協同，這裡簡單介紹：
1.感知技術核心的是感測基礎，其中包括了：感測器（各類感測器，基於什麼原理的都有）、訊號處理（核心使用的技術是各類濾波、多感測器融合等）、模式識別（視覺、語音、運動捕捉等）等等。
2.認知是理解環境的部分，現在主流的核心手段是（基於認知科學的）機器學習技術。人機互動的理解部分一般也放在這裡。
3.動作是從事的人最多的部分，傳統工業機器人幾乎所有問題都在這裡面。動作首先包括了機械、電子（拖動）這些看得見的部分，然後還包括了於控制理論為核心的運動控制，規劃理論為核心的運動規劃，
4.協同是後來被補充進體系的（暫定，未普遍接受），主要包括了網路化和多機器人。網路化大部分問題是工程性質的。多機器人則主要研究如果每個機器人單獨決策時，如何全域性最優等問題。
B：【工程】機器人是工程學科，意味著你不能理科思維去學習他。你無法透過【學習基礎理論=》推演出各種問題答案】這條路走下去，因為所有的研究都是基於【你的系統使用了什麼裝置】為基礎的。所以搞這行的基礎之一就是，你要知道你有什麼可以使用的。
對於一般的團隊，通常機電部分和軟體演算法部分至少是不同人的（普通嵌入式軟體歸機電部分，但複雜閉環之類的可能歸演算法）。對於一個具體的人來說，一般我們都會具體的區分這個人是做機器人哪部分的，而各部分之間的基礎技術可能完全不同。
【問題來了】學機器人到底需要什麼技術呢？看到這裡題主肯定更迷茫了，這麼多怎麼學？實際上說，我們肯定不需要都學，這裡給出一些典型的場景和搭配，名字都一般的俗稱，給題主一些參考：
【搞系統的】通常指那些構建機器人系統的領軍型人物，這類人是典型的工程師，知識結構以瞭解所有相關學科進展為基礎。很多情況下，這類人才都是做各種填補空白的專案，擅長領域相關的分析。知識結構大多以機電出身，少有機器學習和軟體出身。
【搞機的】機械、傳動、電機（選型等）、液壓、底盤等等技術為基礎，是機器人系統的基礎，也是國內幾人領域的主力軍。通常在紮實的設計能力上，要求有限元等分析手段。是很強調經驗的型別。
【搞電的】嵌入式（包括其中的軟體）、感測器、驅動、閉環控制（PID等）、濾波、通訊協議等等技術是必須的，尤其要求見過的東西多。
【搞軟的】很不幸，這個比傳統的軟體概念大很多，除了通訊、UI之外，決策等演算法問題通通都要這些人來解決。甚至基本的機器視覺、多機協作都要掌握。
＊上面是工程型，下面是擴充的細分研究＊
【搞導航】注意，很多時候說導航，解決的不是怎麼從A到B的問題，而是定位問題：我在哪？核心技術大多數都是以貝葉斯濾波為基礎的（比如卡爾曼等）。如果細分，則搞SLAM的和搞GPS+慣性+航跡的會分為兩類。這些方向基本上獨立構成問題，專精即可。
【搞規劃】這個才是很多人以為的導航，簡單版是路徑規劃，複雜的可能包括人的步態規劃。這個方向往往沒法完全獨立，大部分研究的人還同時在各種平臺上面做最佳化，需要有工程分析能力。
【搞控制】這個就不是簡單的控制了，而是那些“領先科技20年”的高階控制問題，非線性什麼的是至少的，需要強大的數學基礎。通常是搞理論或是專注於某個具體複雜應用領域的人。
【搞識別】模式識別與機器人是千絲萬縷的聯絡，很多搞識別的也都搞機器人。但基礎知識和機器人學已經沒什麼關係了。
【搞動力學】機械的特殊進化方向，主要是由於其複雜性和在實際應用中大量使用的估算方法，所以變得只有高階應用和科研才會實際使用。
【搞智慧】尤其以科大為代表，同樣機器人最後不是唯一物件了。
還有很多很多，人數相對少些，就不多說了。注意後面的都是研究分化。還可以按特定領域分，這裡就不列了。
如果你打算搞機器人，那麼最好首先在基礎裡面選一個，著重自己的，同時瞭解其他幾個就好，如果有興趣。可以細化方向。搞機器人沒有嚴格上必須會的（或許英語是例外）。
興趣是第一位的。
其次，【機器人學是一門高度交叉的工程學科】為什麼要說這個？是因為這裡面有兩個重要的詞：交叉、工程。
A：【交叉】意味著機器人學涉及的知識範圍非常廣泛，上至院士，下至愛好者，沒有能一個人搞定所有事的。中國學術界，一般來說傾向於把涉及的技術分為三大類：感知、認知、動作，近年來又補充了協同，這裡簡單介紹：
1.感知技術核心的是感測基礎，其中包括了：感測器（各類感測器，基於什麼原理的都有）、訊號處理（核心使用的技術是各類濾波、多感測器融合等）、模式識別（視覺、語音、運動捕捉等）等等。
2.認知是理解環境的部分，現在主流的核心手段是（基於認知科學的）機器學習技術。人機互動的理解部分一般也放在這裡。
3.動作是從事的人最多的部分，傳統工業機器人幾乎所有問題都在這裡面。動作首先包括了機械、電子（拖動）這些看得見的部分，然後還包括了於控制理論為核心的運動控制，規劃理論為核心的運動規劃，
4.協同是後來被補充進體系的（暫定，未普遍接受），主要包括了網路化和多機器人。網路化大部分問題是工程性質的。多機器人則主要研究如果每個機器人單獨決策時，如何全域性最優等問題。
B：【工程】機器人是工程學科，意味著你不能理科思維去學習他。你無法透過【學習基礎理論=》推演出各種問題答案】這條路走下去，因為所有的研究都是基於【你的系統使用了什麼裝置】為基礎的。所以搞這行的基礎之一就是，你要知道你有什麼可以使用的。
對於一般的團隊，通常機電部分和軟體演算法部分至少是不同人的（普通嵌入式軟體歸機電部分，但複雜閉環之類的可能歸演算法）。對於一個具體的人來說，一般我們都會具體的區分這個人是做機器人哪部分的，而各部分之間的基礎技術可能完全不同。
【問題來了】學機器人到底需要什麼技術呢？看到這裡題主肯定更迷茫了，這麼多怎麼學？實際上說，我們肯定不需要都學，這裡給出一些典型的場景和搭配，名字都一般的俗稱，給題主一些參考：
【搞系統的】通常指那些構建機器人系統的領軍型人物，這類人是典型的工程師，知識結構以瞭解所有相關學科進展為基礎。很多情況下，這類人才都是做各種填補空白的專案，擅長領域相關的分析。知識結構大多以機電出身，少有機器學習和軟體出身。
【搞機的】機械、傳動、電機（選型等）、液壓、底盤等等技術為基礎，是機器人系統的基礎，也是國內幾人領域的主力軍。通常在紮實的設計能力上，要求有限元等分析手段。是很強調經驗的型別。
【搞電的】嵌入式（包括其中的軟體）、感測器、驅動、閉環控制（PID等）、濾波、通訊協議等等技術是必須的，尤其要求見過的東西多。
【搞軟的】很不幸，這個比傳統的軟體概念大很多，除了通訊、UI之外，決策等演算法問題通通都要這些人來解決。甚至基本的機器視覺、多機協作都要掌握。
＊上面是工程型，下面是擴充的細分研究＊
【搞導航】注意，很多時候說導航，解決的不是怎麼從A到B的問題，而是定位問題：我在哪？核心技術大多數都是以貝葉斯濾波為基礎的（比如卡爾曼等）。如果細分，則搞SLAM的和搞GPS+慣性+航跡的會分為兩類。這些方向基本上獨立構成問題，專精即可。
【搞規劃】這個才是很多人以為的導航，簡單版是路徑規劃，複雜的可能包括人的步態規劃。這個方向往往沒法完全獨立，大部分研究的人還同時在各種平臺上面做最佳化，需要有工程分析能力。
【搞控制】這個就不是簡單的控制了，而是那些“領先科技20年”的高階控制問題，非線性什麼的是至少的，需要強大的數學基礎。通常是搞理論或是專注於某個具體複雜應用領域的人。
【搞識別】模式識別與機器人是千絲萬縷的聯絡，很多搞識別的也都搞機器人。但基礎知識和機器人學已經沒什麼關係了。
【搞動力學】機械的特殊進化方向，主要是由於其複雜性和在實際應用中大量使用的估算方法，所以變得只有高階應用和科研才會實際使用。
【搞智慧】尤其以科大為代表，同樣機器人最後不是唯一物件了。
還有很多很多，人數相對少些，就不多說了。注意後面的都是研究分化。還可以按特定領域分，這裡就不列了。
如果你打算搞機器人，那麼最好首先在基礎裡面選一個，著重自己的，同時瞭解其他幾個就好，如果有興趣。可以細化方向。搞機器人沒有嚴格上必須會的（或許英語是例外）。