Sélection structurée des caractéristiques des systèmes dynamiques continus pour l'identification de la dynamique des aéronefs.

Résumé Cet article aborde le problème de l'identification de systèmes dynamiques non linéaires structurés, dans le but d'utiliser la dynamique apprise dans des problèmes d'apprentissage par renforcement basés sur des modèles. Nous présentons dans ce contexte une nouvelle classe d'estimateurs multi-tâches évolutifs qui favorisent la sparsité, tout en préservant la structure de la dynamique et en tirant parti des connaissances physiques disponibles. Une mise en œuvre conduisant à une sélection cohérente des caractéristiques est suggérée, permettant d'obtenir des modèles précis. Un régularisateur supplémentaire est également proposé pour aider à récupérer des représentations cachées réalistes de la dynamique. Nous illustrons notre méthode en l'appliquant à un problème d'optimisation de trajectoire d'avion. Nos résultats numériques, basés sur des données de vol réelles de 25 avions moyen-courriers, totalisant 8 millions d'observations, montrent que notre approche est compétitive par rapport aux méthodes existantes pour ce type d'application.