Lecture 4: MIT 6.832 Underactuated Robotics (Spring 2022) | "Dynamic Programming II"

Cette leçon constitue une introduction rigoureuse et pédagogique à la programmation dynamique en temps continu, un pilier du contrôle optimal. Le professeur adopte une démarche progressive : il part de l’équation de Bellman discrète, déjà étudiée, pour aboutir à l’équation de Hamilton-Jacobi-Bellman (HJB) par une dérivation formelle. Cette approche permet de mettre en lumière les liens profonds entre les formulations discrète et continue, tout en soulignant les pièges de la discrétisation. La rigueur mathématique est exemplaire : chaque étape est justifiée, les notations sont clarifiées (par exemple, le passage de g à l pour la fonction de coût), et les approximations de Taylor sont explicitées. Le professeur insiste à juste titre sur le fait que la discrétisation naïve peut conduire à des erreurs systématiques difficiles à borner, ce qui motive le recours au temps continu. L’accent mis sur l’interprétation physique de l’équation HJB (la fonction coût décroît le long des trajectoires optimales) est particulièrement éclairant et facilite la compréhension intuitive. La discussion sur les solutions de viscosité, bien que brève, montre une conscience des limites de la théorie classique lorsque la fonction coût n’est pas différentiable. Les slides fournis en description constituent une ressource précieuse pour approfondir. En termes de sources, le cours s’appuie sur des références académiques classiques (non citées explicitement dans la vidéo, mais les slides les mentionnent probablement). La qualité pédagogique est remarquable : le professeur alterne explications théoriques et intuitions, et répond aux questions des étudiants. Le seul bémol est l’absence de démonstrations pratiques ou d’exemples numériques concrets, mais cela est compensé par la profondeur théorique. L’adéquation entre le titre et le contenu est parfaite : il s’agit bien de la deuxième partie du cours sur la programmation dynamique. En résumé, cette vidéo est une ressource de très haute qualité pour les étudiants en robotique ou en automatique souhaitant maîtriser les fondements du contrôle optimal.

Le titre est exact et descriptif : il s'agit bien de la quatrième leçon du cours MIT 6.832, consacrée à la programmation dynamique (partie II).

9/10

Cours magistral de niveau universitaire (MIT) dispensé par un expert reconnu en robotique sous-actionnée. La dérivation mathématique est rigoureuse et les concepts sont présentés avec précision. Les slides sont disponibles en ligne, ce qui renforce la traçabilité.

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

• 00:00Introduction et rappel des objectifs de la leçon : passage du discret au continu.
• 03:00Rappel de l'équation de Bellman en temps discret et de la fonction coût.
• 10:00Motivation pour le temps continu : erreurs de discrétisation et passage à l'échelle.
• 20:00Dérivation de l'équation de Hamilton-Jacobi-Bellman à partir de l'équation discrète.
• 30:00Interprétation physique de l'équation HJB : la fonction coût décroît le long des trajectoires optimales.
• 40:00Discussion sur les cas où la fonction coût n'est pas différentiable et introduction aux solutions de viscosité.
• 50:00Exemples et perspectives : méthodes numériques pour résoudre l'équation HJB.
• 1:00:00Questions des étudiants et clarifications sur les notations et les concepts.
• 1:10:00Conclusion et annonce des prochaines leçons.

• Slides du cours (Lecture 4) — Slides officielles du cours, contenant les équations et les références bibliographiques.

• MIT OpenCourseWare - Underactuated Robotics — Page officielle du cours MIT 6.832, qui contient les supports de cours et les références associées.