Stanford AA203 Optimal and Learning-Based Control | Spring 2026 | Lecture 8: Nonlinearity

Ce cours magistral de niveau graduate offre une présentation rigoureuse et approfondie des méthodes de contrôle optimal basées sur LQR pour les systèmes non linéaires. La valeur pédagogique est indéniable : le professeur Pavone guide l’auditeur à travers des dérivations mathématiques complexes avec une clarté remarquable, en prenant soin de motiver chaque étape et de répondre aux questions des étudiants. L’argumentation est solide, s’appuyant sur des principes mathématiques bien établis (équations de Riccati, programmation dynamique) et sur des exemples concrets issus de la robotique. La rigueur scientifique est exemplaire : les hypothèses sont clairement énoncées, les limites des méthodes sont discutées (par exemple, l’absence de garanties de convergence pour ILQR), et les références à un manuel de référence et aux notes de cours sont fournies. Les sources sont de haute qualité, émanant d’une institution académique de premier plan. L’adéquation entre le titre et le contenu est parfaite. Le seul bémol est que le format magistral ne permet pas une vérification indépendante des résultats, mais cela est inhérent à ce type de contenu. En résumé, il s’agit d’une ressource exceptionnelle pour les étudiants et les praticiens souhaitant maîtriser ces techniques.

Le titre est parfaitement adapté au contenu : il s'agit bien de la huitième leçon du cours AA203, consacrée aux méthodes de contrôle non linéaires basées sur LQR.

9/10

Cours universitaire de niveau graduate dispensé par un professeur de Stanford, spécialiste reconnu en robotique et contrôle autonome. Le contenu est rigoureux, les dérivations mathématiques sont présentées de manière structurée, et les références à un manuel de référence et aux notes de cours sont fournies. La fiabilité est excellente, bien que le format magistral ne permette pas une vérification indépendante des résultats.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction et rappel du plan du cours
• 05:00Récapitulatif de LQR et généralisation avec termes croisés
• 15:00Généralisation avec termes linéaires et dynamiques affines
• 25:00Suivi de trajectoire avec LQR pour systèmes linéaires
• 35:00Suivi de trajectoire pour systèmes non linéaires par linéarisation
• 45:00Introduction à l'itérative LQR (ILQR) pour l'optimisation de trajectoire
• 55:00Considérations pratiques pour ILQR : régularisation, line search, initialisation
• 1:05:00Programmation dynamique différentielle (DDP) et comparaison avec ILQR

• AA203 Optimal and Learning-Based Control - Stanford Online — Page du cours en ligne
• Principles of Robot Autonomy (companion textbook) — Manuel de référence mentionné dans la description
• AA203 Course Schedule and Syllabus — Programme du cours
• Lecture 8 Slides — Supports de cours de la leçon 8
• AA203 Full Playlist — Playlist complète des cours

• Principles of Robot Autonomy (companion textbook) — Manuel de référence qui couvre les mêmes concepts de manière plus détaillée.
• Lecture 8 Slides — Supports de cours qui reprennent les équations et les algorithmes présentés.