一、AI机器人主要是学什么
AI机器人主要是学习如何完成一个或多个任务，这些任务通常需要使用机器学习技术进行分析和训练。以下是AI机器人学习的一些主要领域：
1.自然语言处理（NLP）：使机器理解和处理自然语言，例如语音识别和语音合成。
2.计算机视觉：使机器"看"和理解图像和视频数据，例如图像分类和对象识别。
3.机器学习：使用统计学方法对数据进行分析和训练，从而使机器能够预测未来的结果。
4.强化学习：通过不断地试错和学习，使机器能够在特定环境中做出最优决策。
5.人机交互：使机器能够与人类用户进行有效的交互和沟通。
6.专业领域知识：根据具体的应用场景，AI机器人可能还需要学习特定的专业领域知识，例如医学、法律、金融等。
二、人工智能研究的机器感知包括
1、视觉系统由于获取的信息量更多更丰富，采样周期短，受磁场和传感器相互干扰影响小，质量轻，能耗小，使用方便经济等原因，在很多移动机器人系统中受到青睐。
2、视觉传感器将景物的光信号转换成电信号。目前，用于获取图像的视觉传感器主要是数码摄像机。
3、在视觉传感器中主要有单目、双目与全景摄像机3种。
4、单目摄像机对环境信息的感知能力较弱，获取的只是摄像头正前方小范围内的二维环境信息；
5、双目摄像机对环境信息的感知能力强于单目摄像机，可以在一定程度上感知三维环境信息，但对距离信息的感知不够准确；
6、全景摄像机对环境信息感知的能力强，能在360度范围内感知二维环境信息，获取的信息量大，更容易表示外部环境状况。
7、但视觉传感器的缺点是感知距离信息差、很难克服光线变化及阴影带来的干扰并且视觉图像处理需要较长的计算时间，图像处理过程比较复杂，动态性能差，因而很难适应实时性要求高的作业。
8、听觉是人类和机器人识别周围环境很重要的感知能力，尽管听觉定位精度比是决定为精度低很多，但是听觉有很多其它感官无可比拟的疼醒。听觉定位是全向性的，传感器阵列可以接受空间中的任何方向的声音。机器人依靠听觉可以工作在黑暗环境中或者光线很暗的环境中进行声源定位和语音识别，这是依靠视觉不能实现的。
9、目前听觉感知还被广泛用于感受和解释在气体（非接触感受）、液体或固体（接触感受）中的声波。声波传感器复杂程度可以从简单的声波存在检测到复杂的声波频率分析，直到对连续自然语言中单独语音和词汇的辨别，无论是在家用机器人还是在工业机器人中，听觉感知都有这广泛的应用。
10、触觉是机器人获取环境信息的一种仅次于视觉的重要知觉形式,是机器人实现与环境直接作用的必需媒介。与视觉不同,触觉本身有很强的敏感能力可直接测量对象和环境的多种性质特征。因此触觉不仅仅只是视觉的一种补充。触觉的主要任务是为获取对象与环境信息和为完成某种作业任务而对机器人与对象、环境相互作用时的一系列物理特征量进行检测或感知。机器人触觉与视觉一样基本上是模拟人的感觉,广义的说它包括接触觉、压觉、力觉、滑觉、冷热觉等与接触有关的感觉,狭义的说它是机械手与对象接触面上的力感觉。
11、机器人触觉能达到的某些功能,虽然其它感觉如视觉也能完成,但具有其它感觉难以替代的特点。与机器人视觉相比,许多功能为触觉独有。即便是识别功能两者具有互补性，触觉融合视觉可为机器人提供可靠而坚固的知觉系统。
三、人工智能需要什么物理知识
1、牛顿力学：牛顿力学是物理学的基础理论，也是人工智能领域应用最广泛的力学理论之一。牛顿力学可以通过计算机程序进行数值计算，从而实现智能算法的优化。
2、线性代数：线性代数是数学的基础学科，也是人工智能的重要工具之一。线性代数可以用于数据建模、图像处理、机器学习等领域。
3、概率论和统计学：概率论和统计学是物理学中重要的数学工具，也是人工智能中用于数据分析和机器学习的重要学科。
4、热力学：热力学是研究热现象的物理学分支，它可以帮助我们理解信息的熵和最小不确定性等概念，这些概念在人工智能中也有应用。
5、电磁学：电磁学是研究电和磁现象的物理学分支，它可以帮助我们理解电磁场和波等概念，这些概念在计算机视觉和无线通信等领域也有应用。
6、总之，人工智能需要物理学家所使用的许多数学工具和理论知识，这些工具和理论在人工智能领域中也有广泛的应用。
四、机器人培训课程有哪些
主要学机械工程、控制科学及自动化，课程主要有电工学、机器人机械系统、机器视觉、机器人控制技术、单片机原理及应用、ARM嵌入式开发、电气工程CAD、传感技术、C语言程序设计、电力电子技术、现场总线技术、电机学、电气控制与PLC、智能机器人、人工智能开发、机器人编程、工业机器人、服务机器人、人工智能控制等。
五、机器人先学什么技能
机器人学习的技能取决于它们的用途和任务。以下是一些机器人可能需要学习的技能：
1.感知技能：机器人需要能够感知周围环境，包括声音、视觉、触觉等。这可以通过使用传感器和摄像头等设备来实现。
2.运动技能：机器人需要能够执行各种运动动作，如行走、跑步、跳跃、攀爬等。这可以通过使用电机和传动装置来实现。
3.决策技能：机器人需要能够做出决策，如根据环境变化做出相应的行动、判断是否需要采取某种行动等。这可以通过使用人工智能技术来实现，如机器学习、深度学习等。
4.通信技能：机器人需要能够与其他设备和人类进行通信，如发送和接收数据、语音和图像等。这可以通过使用无线网络技术来实现，如蓝牙、Wi-Fi等。
5.自主学习技能：机器人需要能够自主学习和适应新环境，以提高其性能和效率。这可以通过使用机器学习算法和深度学习技术来实现。
需要注意的是，机器人学习的技能取决于其应用场景和任务需求，不同类型的机器人可能需要学习不同的技能。