Stanford AA203 Optimal and Learning-Based Control | Spring 2026 | Lecture 10: Reachibility Analysis

Ce cours magistral de niveau universitaire offre une introduction rigoureuse aux équations HJB et HJI et à l’analyse d’atteignabilité. Le professeur Pavone, expert reconnu en robotique autonome, présente les concepts avec une clarté pédagogique remarquable, en s’appuyant sur des intuitions physiques et des exemples concrets comme le problème du chauffeur homicide. La dérivation de l’équation HJI est particulièrement bien menée, même si le passage du min-max au max-min est admis sans preuve complète, ce qui est justifié par la complexité du sujet. Les références fournies (manuel en ligne, slides, cours) renforcent la crédibilité du contenu. La partie sur l’atteignabilité est bien motivée et illustre l’utilité pratique de ces outils pour la sécurité des systèmes autonomes. On peut regretter que la dérivation du LQR en temps continu soit seulement esquissée, mais cela reste cohérent avec l’objectif du cours. L’adéquation entre le titre et le contenu est bonne, bien que le titre mentionne ‘Reachibility’ avec une faute d’orthographe. Dans l’ensemble, ce cours est d’une grande qualité scientifique et pédagogique, adapté à un public d’étudiants avancés en ingénierie. La présence d’une séquence publicitaire n’est pas détectée, ce qui est cohérent avec une vidéo éducative. Les commentaires ne sont pas fournis, donc aucune analyse des tendances du public n’est possible.

Le titre mentionne 'Reachibility Analysis' (orthographe erronée) et le contenu couvre effectivement l'analyse d'atteignabilité, mais aussi les équations HJB et HJI. L'adéquation est bonne, avec une légère imprécision sur l'orthographe.

9/10

Cours universitaire de niveau avancé, dispensé par un professeur de Stanford, avec des références académiques et un manuel associé. Le contenu est rigoureux, bien structuré, et les dérivations mathématiques sont présentées avec soin. La fiabilité est élevée, bien que la vidéo ne soit pas une publication évaluée par les pairs.

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

• 00:00Introduction et rappel sur les MDP à horizon infini
• 05:00Itération sur la valeur et itération sur la politique
• 15:00Transition vers le contrôle optimal en temps continu
• 25:00Introduction des jeux différentiels et de la formulation min-max
• 35:00Dérivation de l'équation de Hamilton-Jacobi-Isaacs
• 45:00Équation de Hamilton-Jacobi-Bellman et intuition
• 55:00Application au LQR en temps continu
• 1:05:00Introduction à l'analyse d'atteignabilité et aux backward reachable sets
• 1:15:00Conclusion et annonce des prochains cours

• AA203 Optimal and Learning-Based Control - Stanford Online — Page du cours en ligne, référence pour l'inscription et le contenu.
• Principles of Robot Autonomy — Manuel compagnon du cours, disponible gratuitement en ligne.
• AA203 Course Schedule and Syllabus — Site du cours avec le calendrier et le syllabus.
• Lecture 10 Slides — Slides de la leçon 10, support de la présentation.
• AA203 Full Playlist — Playlist complète des leçons du cours.

• Principles of Robot Autonomy — Manuel du cours, cohérent avec le contenu présenté.
• Lecture 10 Slides — Slides de la leçon, reprenant les mêmes équations et concepts.