Apprentissage et adaptation pour des ensembles de robots réactifs coopérants

Ces travaux de these se placent dans le contexte des systemes multi-agents distribues. L'objectif est l'etude de methodes d'auto-apprentissage appliquees a des ensembles de robots reactifs. Ces travaux se focalisent sur l'apprentissage de comportements sensorimoteurs de bas niveaux. Il nous semble important que les methodes proposees puissent etre appliquees sur des systemes reels, dont les contraintes sont parfois loin de celles de la simulation. C'est pour cette raison que nous avons imagine et concu une plate-forme experimentale composee de 4 robots mobiles, un manipulateur mobile miniature et un systeme de vision stereoscopique. Cette etude se decompose en deux parties. La premiere, appliquee aux systemes homogenes, presente l'etude de methodes evolutionnistes appliquees aux systemes multirobots. La seconde, appliquee aux systemes heterogenes, s'interesse a la possibilite d'utiliser la technique du recuit simule pour optimiser les poids d'un controleur neuronal. Toujours dans ce contexte d'heterogeneite, une seconde methode basee sur l'apprentissage par renforcement est experimentee.