Ancrage de lexique et perceptions : changements de représentation et apprentissage dans le contexte d'un agent situé et mobile

En intelligence artificielle, le probleme de l'ancrage de symboles dans le monde est un element primordial du point de vue du sens des connaissances que peut manipuler un agent artificiel. Les travaux que nous presentons abordent le probleme de l'ancrage pour un robot situe et mobile qui evolue dans le monde. Le probleme que nous nous posons est de donner la capacite a un tel agent d'ancrer un lexique constitue de mots connus par des interlocuteurs humains et se referant a des objets physiques presents dans l'environnement. Ancrer un tel lexique est rendu difficile par un environnement dynamique, complexe et fortement bruite. De plus, pour un objet particulier a ancrer, un nom donne par un interlocuteur humain peut se referer a un grand nombre de formes observables alors que l'agent n'observe generalement que peu d'exemples de vues de chaque objet. Il n'est pas non plus possible d'utiliser de modele ad hoc du fait de la grande diversite des objets a ancrer. Par consequent la question se pose de savoir comment construire l'ancrage d'un symbole quelconque. Dans le cadre de cette these, nous reformulons le probleme de l'ancrage de symboles comme un probleme d'apprentissage automatique supervise. Nous proposons ensuite une approche qui repose sur la mise en oeuvre d'operateurs d'abstraction exploitant les informations de granularites et de structures contenues dam les perceptions de l'agent Pour chaque symbole, la definition de ces operateurs est fixee a l'aide de changements de representation successifs et rend ainsi possible la construction d'un ancrage efficace et adapte. Finalement, nous avons developpe les outils PLIC et WMplic qui mettent en oeuvre avec succes notre approche pour construire et maintenir un ancrage a long terme dans le cadre d'un robot mobile autonome Pioneer2DX evoluant dans les couloirs du Laboratoire d'informatique de Paris 6.