Abstract FR:

La vie artificielle peut etre presentee comme une alternative interessante a l'intelligence artificielle classique. Cette recente discipline apporte en effet un nouveau regard sur les problemes lies a l'adaptation et a l'apprentissage. Cette these propose une contribution a l'un des domaines les plus fascinants de la vie artificielle: la neuroethologie artificielle. Il s'agit de l'etude de modeles neuronaux artificiels sous-jacents au comportement d'agents autonomes. La methodologie evolutionniste evots (evolutionary robots) proposee dans cette these permet de generer de maniere incrementale des architectures neuronales dotant des robots mobiles de comportements reactifs simples, et egalement, dans une certaine mesure, de comportements adaptatifs plus evolues. Cette methodologie est fortement inspiree de la biologie pour chacune de ses composantes. Elle fait intervenir un algorithme genetique operant sur des populations de genotypes de taille variable. Un processus de morphogenese de reseau de neurones (neurogenese), exhibant une dynamique complexe, permet de synthetiser une architecture neuronale a partir de chaque genotype. Ces architectures sont alors evaluees a l'aide d'un simulateur de robot mobile realiste que nous avons developpe. Le concept de metabolisme artificiel introduit dans cette these sert a attribuer une valeur selective a chaque individu afin que l'algorithme genetique puisse operer la selection. Les resultats obtenus, dont certains ont ete transferes avec succes sur un robot reel khepera, sont encourageants et laissent presager de nouveaux developpements prometteurs