Abstract FR:

L'objectif de cette these est de decrire monalysa, l'architecture de controle d'un animat motivationnellement autonome. Cette architecture constitue un systeme motivationnel selectionnant les actions et les buts d'un agent artificiel en fonction de son etat interne, des stimuli de l'environnent et de l'evaluation des consequences a long terme de ses choix de comportement. Cette architecture utilise un systeme de classeurs hierarchique original, capable de generer et de memoriser de maniere efficace differents plans d'actions ainsi que d'elaborer une representation interne de l'environnement de l'animat. Les fonctionnalites de monalysa sont presentees dans le cadre de la navigation d'un animat simule et d'un robot reel. Dans une premiere partie de ce travail, l'animat doit rejoindre un but en evitant les obstacles qu'il peut rencontrer sur sa trajectoire : nous montrons que monalysa a la faculte d'apprendre efficacement un comportement reactif tres general, en particulier parce qu'elle peut dynamiquement changer les buts de l'animat en fonction des obstacles rencontres. De plus, monalysa peut tirer profit de son experience dans l'environnement pour apprendre des plans de trajectoires et en deduire le plan optimal ; elle peut aussi modifier l'organisation de ses plans pour s'adapter aux changements intervenant dans l'environnement. Dans une seconde partie de ce travail, l'animat doit explorer son environnement alors que du bruit a ete ajoute au fonctionnement normal de ses senseurs odometriques. Dans ce contexte, nous montrons que monalysa sait apprendre une representation spatiale fidele de son environnement tout en maintenant une estimation correcte de sa position. Cette representation spatiale presente une grande robustesse au bruit et s'adapte a des environnements quelconques. La grande generalite de l'approche presentee ici permet d'envisager de nombreuses applications de recherche, qui sont evoquees en conclusion de ce travail.