Comme indiqué dans la prospective 2024-2028 du GDR MACS, les méthodes basées-données prennent de l'ampleur au sein de la communauté MACS notamment grâce à des avancées récentes basées sur l'utilisation de l'IA (reinforcement learning , représentation d'un système par une trajectoire "informative" grâce au lemme de Willems et les méthodes en découlant). En automatique, les approches basées-données sont particulièrement intéressantes lorsque la construction d’un modèle est complexe, et leur développement pourrait ainsi permettre d'élargir le champs applicatif de la communauté MACS. Des méthodes d'analyse basées-sonnées ont également été développées pour analyser les boucles fermées obtenues.
Cette thématique connait un intérêt croissant au niveau de la communauté internationale. Il nous semble ainsi important que les membres de MACS développant de telles approches basées données puissent se rencontrer afin de mieux s'organiser au niveau national.
- Dimitri Peaucelle, Damien Trentesaux, Gülgün Alpan, Romain Postoyan, Jean Auriol, Christophe Bérenguer, Eric Bonjour, Olivier Cardin, Vincent Cheutet, William Derigent, et al. Groupement de recherche macs-bilan 2019-2023 et projet 2024-2028.
- Benjamin Recht. A tour of reinforcement learning: The view from continuous control. Annual Review of Control, Robotics, and Autonomous Systems, 2(1):253–279, 2019.
- Dimitri Bertsekas. Reinforcement learning and optimal control, volume 1. Athena Scientific, 2019.
- Jan C Willems, Paolo Rapisarda, Ivan Markovsky, and Bart LM De Moor. A note on persistency of excitation. Systems & Control Letters, 54(4):325–329, 2005.
- Jeremy Coulson, John Lygeros, and Florian Dörfler. Data-enabled predictive control: In the shallows of the deepc. In 2019 18th European Control Conference (ECC), pages 307–312, 2019.
- Claudio De Persis and Pietro Tesi. Formulas for data-driven control: Stabilization, optimality, and robustness. IEEE Transactions on Automatic Control, 65(3):909–924, 2019.
- Henk J Van Waarde, Jaap Eising, Harry L Trentelman, and M Kanat Camlibel. Data informativity: A new perspective on data-driven analysis and control. IEEE Transactions on Automatic Control, 65(11):4753–4768, 2020.
- Emilio T. Maddalena, Paul Scharnhorst, Yuning Jiang, and Colin N. Jones. KPC: Learning-based model predictive control with deterministic guarantees, 2020.
- Matteo Tacchi, Yingzhao Lian, and Colin N. Jones. Robustly learning regions of attraction from fixed data. IEEE Transactions on Automatic Control, pages 1–16, 2024.
L'objectif est de rassembler des personnes travaillant sur ces thématiques lors d'un workshop que nous envisageons d'organiser au printemps-été 2025. Nous comptons sur ce workshop pour initier une dynamique au niveau national sur ces sujets. A plus long terme, un CT de la SAGIP dédié pourrait être créé et se retrouver 1 ou 2 fois par an, afin de suivre les développements et d'identifier les défis méthodologiques. Ce travail pourrait par ailleurs déboucher ensuite sur la rédaction d'un article de synthèse.
