Un récent article CSDN a attiré l'attention en proposant des implémentations Matlab de plusieurs stratégies de suivi de trajectoire de drones, notamment l'apprentissage par renforcement, le MPC-RL hybride, le MPC linéaire et le NMPC non linéaire. Bien que l'article lui-même soit essentiellement une liste de vente de code, il met en évidence une tendance significative en ingénierie de contrôle : la convergence des méthodes classiques basées sur des modèles avec les approches modernes basées sur l'apprentissage.
Le MPC-RL hybride est particulièrement intéressant car il vise à exploiter les garanties de sécurité du contrôle prédictif par modèle tout en utilisant l'apprentissage par renforcement pour gérer les incertitudes et les dynamiques complexes difficiles à modéliser analytiquement. Cela est particulièrement pertinent pour les drones opérant dans des environnements dynamiques où les contrôleurs traditionnels peuvent avoir du mal.
Pour les chercheurs et les ingénieurs, cela signale un écosystème croissant d'implémentations pratiques et une demande d'outils qui comblent le fossé entre la théorie et le déploiement. La disponibilité de tels codes, même commerciaux, suggère que les stratégies de contrôle hybrides passent des articles académiques aux applications réelles.