Underactuated March 7 2023 Lecture

Ce cours est d’une grande valeur pédagogique et scientifique. Le professeur, Russ Tedrake, est une autorité reconnue dans le domaine de la robotique sous-actionnée, et son approche allie rigueur mathématique et applications pratiques. La démonstration en direct de la découverte automatique d’une fonction de Lyapunov pour un pendule est particulièrement convaincante : elle montre la puissance des méthodes d’optimisation convexe pour résoudre des problèmes complexes qui semblaient nécessiter une intuition physique. La structure du cours est claire : rappel des concepts, introduction à l’optimisation convexe, puis application à la recherche de fonctions de Lyapunov. Les explications sont précises et le niveau technique est élevé, ce qui est approprié pour un public d’étudiants avancés. Cependant, la transcription contient des erreurs et des hésitations, ce qui peut nuire à la clarté. De plus, le cours est une session enregistrée, avec des interactions avec les étudiants, ce qui peut rendre le rythme inégal. Les sources citées ne sont pas explicitement mentionnées dans la transcription, mais le professeur fait référence à des ressources en ligne et à des notes de cours. L’adéquation entre le titre et le contenu est bonne, bien que le titre soit générique. En résumé, ce cours est une excellente ressource pour approfondir les méthodes computationnelles en robotique, mais il nécessite un bon niveau de base en mathématiques et en contrôle.

Le titre est générique mais correspond au contenu : il s'agit bien d'un cours sur les systèmes sous-actionnés, daté du 7 mars 2023.

8/10

Cours universitaire de niveau avancé, présenté par un expert reconnu (Russ Tedrake, MIT), avec démonstrations computationnelles et références à des ressources académiques. La rigueur scientifique est élevée, mais la transcription contient des erreurs de transcription et des digressions.

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

• 00:00Introduction et installation du matériel.
• 02:00Rappel des concepts de programmation dynamique et de fonctions de Lyapunov.
• 05:00Présentation de l'objectif : utiliser l'optimisation pour trouver des fonctions de Lyapunov.
• 10:00Démonstration en direct : découverte automatique d'une fonction de Lyapunov pour un pendule.
• 15:00Introduction à l'optimisation convexe : définition, exemples et propriétés.
• 20:00Présentation des différents types de problèmes d'optimisation convexe (LP, QP, etc.).
• 30:00Discussion sur les fonctions de Lyapunov et les inégalités matricielles linéaires (LMI).
• 40:00Exemples d'application et démonstrations supplémentaires.
• 50:00Questions des étudiants et discussions.
• 1:00:00Conclusion et annonce des prochains cours.

• Notes de cours Underactuated Robotics — Le professeur fait référence aux notes de cours en ligne qui accompagnent ce cours.
• Recitation sur l'optimisation convexe (vidéo YouTube) — Le professeur mentionne une recitation enregistrée sur l'optimisation convexe, mais l'URL exacte n'est pas fournie dans la transcription.

• Underactuated Robotics (site officiel) — Le cours est basé sur ce site, qui contient les notes et les ressources.