Das Themengebiet der Robotik (auch Robotertechnik) befasst sich mit dem Versuch, das Konzept der Interaktion mit der physischen Welt auf Prinzipien der Informationstechnik sowie auf eine technisch machbare Kinetik zu reduzieren. Der Begriff des „Roboters“ beschreibt dabei eine Entität, welche diese beiden Konzepte in sich vereint, indem sie die Interaktion mit der physischen Welt auf der Basis von Sensoren, Aktoren und Informationsverarbeitung umsetzt. Kernbereich der Robotik ist die Entwicklung und Steuerung solcher Roboter. Sie umfasst Teilgebiete der Informatik (insbesondere von Künstlicher Intelligenz), der Elektrotechnik und des Maschinenbaus. Ziel der Robotik ist es, durch Programmierung ein gesteuertes Zusammenarbeiten von Roboter-Elektronik und Roboter-Mechanik herzustellen.

机器人学（英语：robotics）是一项涵盖了机器人的设计、建造、运作、以及应用的跨领域科技^[1]，集合机械工程学、电机工程学、机械电子学、电子学、控制工程学、计算机工程学、软件工程学、资讯工程学、数学及生物工程学等领域。这些科技催生出能够取代人力的自动化机器，在危险境或制造工厂运作，或塑造成外表、行为、心智的仿人机器人。现今许多机器人都是受到自然界的启发，致力于仿生机器人学领域的发展。

Maschinelles Lernen (ML) ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Dazu bauen Algorithmen beim maschinellen Lernen ein statistisches Modell auf, das auf Trainingsdaten beruht und welches gegen die Testdaten getestet wird. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt (siehe Überanpassung), sondern Muster und Gesetzmäßigkeiten in den Lerndaten erkannt. So kann das System auch unbekannte Daten beurteilen (Lerntransfer) oder aber am Lernen unbekannter Daten scheitern (Überanpassung; englisch overfitting).^[1][2] Aus dem weiten Spektrum möglicher Anwendungen seien hier genannt: automatisierte Diagnose­verfahren, Erkennung von Kreditkartenbetrug, Aktienmarkt­analysen, Klassifikation von Nukleotidsequenzen, Sprach- und Texterkennung sowie autonome Systeme.

Das Thema ist eng verwandt mit „Knowledge Discovery in Databases“ und „Data-Mining“, bei dem es jedoch vorwiegend um das Finden von neuen Mustern und Gesetzmäßigkeiten geht. Viele Algorithmen können für beide Zwecke verwendet werden. Methoden der „Knowledge Discovery in Databases“ können genutzt werden, um Lerndaten für „maschinelles Lernen“ zu produzieren oder vorzuverarbeiten. Im Gegenzug dazu finden Algorithmen aus dem maschinellen Lernen beim Data-Mining Anwendung. Zu unterscheiden ist der Begriff zudem von dem Begriff „Deep Learning“, welches nur eine mögliche Lernvariante mittels künstlicher neuronaler Netze darstellt.

Das Schließen von Daten auf (hypothetische) Modelle wird als Statistische Inferenz bezeichnet.

机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径之一，即以机器学习为手段，解决人工智能中的部分问题。机器学习在近30多年已发展为一门多领域科际集成，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法（要防止错误累积）。很多推论问题属于非程序化決策，所以部分的机器学习研究是开发容易处理的近似算法。

机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、游戏和机器人等领域。

Der Maschinenbau (auch als Maschinenwesen bezeichnet) ist eine klassische Ingenieurwissenschaft und erstreckt sich auf Entwicklung, Konstruktion und Produktion von Maschinen und Anlagen. Dazu zählen u. a.:

• Kraftmaschinen, (Dampfmaschine, Motor, Turbine),
• Arbeitsmaschinen (Gebläse, Pumpen, Verdichter)
• Werkzeugmaschinen, (Fräs-, Bohr-, Hobel- oder Schleifmaschine),
• Förderanlagen (Kran, Aufzugsanlage, Förderband, Seilbahn)
• Fahrzeugtechnik zu Land und Wasser
• Luft- und Raumfahrttechnik
• Sondermaschinen, Apparate, Geräte und des Rationalisierungsmittelbaus.
• Prüfen und überwachen von technischen Anlagen TÜV

Der Wirtschaftszweig Maschinenbau entstand aus dem Handwerk der Metallbearbeitung, Schmiede und Schlosser, u. a. durch Mühlenbauer.

机械工程（英语：Mechanical engineering）是一门涉及利用物理定律为机械系统作分析、设计、生产及维修的工程学科。

机械工程是众多工程学科中范围最广的一科。任何现代产业和工程领域都需要应用机械，例如：农业、林业、矿业等需要农业机械、 林业机械、矿业机械；冶金工程和化学工程需要冶金机械、化工机械；纺织和食品加工业需要纺织机械、食品加工机械；水利、土木建筑、道路和桥梁等工程需要工程机械；电力工程需要电力机械；交通运输业需要各种车辆、船舶、飞机等；各种商品的计量、包装、储存、装卸需要各种相应的工作机械。

各个工程领域的发展都要求机械工程有与之相适应的发展，都需要机械工程提供所必需的机械。某些机械的发明和完善，又导致新的工程技术和新的产业的出现和发展，例如：大型机械的成功制造，促成了电力系统的建立；火车的发明导致了铁路工程和铁路事业的兴起；内燃机、燃气轮机、火箭发动机等的发明和进步以及船舶、飞机和航空器的研制成功导致了航海工程、航海事业、航空工程和航空事业的兴起；高压设备（包括压缩机、反应器、密封技术等）的发展导致了许多新型合成化学工程的成功。机械工程就是在各方面不断提高的需求的压力下获得发展动力，同时又从各个学科和技术的进步中得到改进和创新能力。

奥托·弗莱德里克·吉迪昂·森贝克 ^[1]（瑞典语：Otto Fredrik Gideon Sundbäck，英语：Gideon Sundback，1880年4月24日—1954年6月21日，又译吉德昂·逊德巴克），是一位瑞典裔美国籍的电机工程师，将拉链改进为现代常见的样式，获有拉链的专利。^[2] 并在加拿大设立闪电扣件公司（Lightning Fastener Compan）以生产他所发明的拉链。1905年森贝克移民美国。

Otto Fredrik Gideon Sundbäck (nach seiner Übersiedelung in die USA Sundback; * 24. April 1880 in Ödestugu, Schweden; † 21. Juni 1954 in Meadville, Pennsylvania) war ein schwedisch-amerikanischer Maschinenbauingenieur und Erfinder, dessen bekannteste Entwicklung der moderne Reißverschluss ist.

菲利普·詹姆斯·埃德温·皮布尔斯（英语：Phillip James Edwin Peebles，1935年4月25日— ），出生于加拿大温尼伯，加拿大-美国物理学家和理论宇宙学家，普林斯顿大学阿尔贝特·爱因斯坦荣誉科学教授。^[1][2]自从1970年以来，他被广泛认为是世界领先的理论宇宙学家。在这期间，他主要对原始核合成，暗物质，宇宙微波背景和结构形成等领域做出了理论贡献。他的三本教科书（物理宇宙学，1971年；宇宙的大尺度结构，1980年；物理宇宙学原理，1993年）已经成为这些领域标准的参考文献。2019年，他与迪迪埃·奎洛兹、米歇尔·麦耶共同获得诺贝尔物理学奖。

吉野彰（日语：吉野 彰／よしの あきら Yoshino Akira ?，1948年1月30日—），日本化学家，福井谦一的再传弟子[1]，现任旭化成研究员、名城大学教授。紫绶褒章表彰。

吉野是现代锂离子电池（LIB）的发明者，曾获得工程学界最高荣誉全球能源奖[2]与查尔斯·斯塔克·德雷珀奖，并获得2019年诺贝尔化学奖。

Akira Yoshino (japanisch 吉野 彰 Yoshino Akira; * 30. Januar 1948 in Suita, Präfektur Osaka) ist ein japanischer Ingenieur. Er ist vor allem für die marktreife Entwicklung von Lithium-Ionen-Batterien bekannt. 2019 wurde er mit dem Nobelpreis für Chemie ausgezeichnet.

Die geometrische Optik oder Strahlenoptik bedient sich des Strahlenmodells des Lichtes^[1] und behandelt damit auf einfache, rein geometrische Weise den Weg des Lichtes auf Linien.^[2]

Das Modell des Lichtstrahls, also eines auf eine Linie begrenzten Lichtbündels, entspricht nicht der physikalischen Realität,^[2] ein solches Lichtbündel kann man daher nur angenähert realisieren.^[1] Dennoch lässt sich mit Hilfe der Strahlenoptik die optische Abbildung, die Hauptthema der technischen Optik ist,^[3] oft mit ausreichender Genauigkeit beschreiben.^[4]

Beschränkt man die geometrische Optik auf Strahlen, die nahe der optischen Achse verlaufen und zu ihr parallel sind oder sie sehr flach schneiden, liegt die sogenannte paraxiale Optik vor. Dafür lassen sich geschlossene mathematische Abbildungsgleichungen finden. Man wendet diese Methode hauptsächlich an, um einige Kenngrößen eines Systems zu ermitteln: Brenn- und Schnittweite (objekt- und bildseitig), Lage der Haupt- und Knotenpunkte und der Ein- und Austrittspupille.^[5]

Die geometrische Optik lässt sich mathematisch als Grenzfall der Wellenoptik für verschwindend kleine Wellenlängen des Lichts auffassen. Sie versagt aber auch in diesem Fall, wenn die Verhältnisse für Strahlen mit hoher Energiedichte oder nahe an der Grenze zum Schatten (kein Licht) untersucht werden sollen.

几何光学是利用几何学研究光学的学术方法。几何光学有几个基本原理：

• 在均匀介质中，光沿直线传播；
• 光的反射定律；
• 光的折射定律；
• 光程可逆性原理。

由于光本身就是从原子、分子内发出的高频电磁场，因此上述原理都可以通过电动力学中的电磁场理论导出。

《几何原本》（古希腊语：Στοιχεῖα，Stoicheia）是古希腊数学家欧几里得所著的一部数学著作，共13卷。这本著作是现代数学的基础，据估计在西方是仅次于《圣经》的出版版本最多的书籍^[2]。在四库全书中归于子部天文算法算书类。

Die Elemente (im Original Στοιχεῖα Stoicheia) sind eine Abhandlung des griechischen Mathematikers Euklid (3. Jahrhundert v. Chr.), in der er die Arithmetik und Geometrie seiner Zeit zusammenfasst und systematisiert. Das Werk zeigt erstmals musterhaft den Aufbau einer exakten Wissenschaft, da die meisten Aussagen aus einem begrenzten Vorrat von Definitionen, Postulaten und Axiomen hergeleitet und bewiesen werden. Dieses Vorgehen beeinflusste bis heute nicht nur die Mathematiker, sondern auch viele Physiker, Philosophen und Theologen bei ihrem Versuch, ihre Wissenschaft auf Axiomen aufzubauen.

Die Elemente wurden 2000 Jahre lang als akademisches Lehrbuch benutzt und waren bis in die zweite Hälfte des 19. Jahrhunderts das nach der Bibel meistverbreitete Werk der Weltliteratur.