Apprendre par imitation : une nouvelle voie d'apprentissage pour les robots autonomes

L'objectif de la these est de concevoir une architecture neuronale permettant a un robot autonome d'apprendre par imitation. Cet objectif s'inscrit dans une problematique plus generale de l'intelligence artificielle : l'apprentissage autonome. La demarche choisie consiste a s'inspirer du vivant (la psychologie developpementale, la neurobiologie et la philosophie). Nous avons demontre qu'un tres simple mecanisme d'imitation peut emerger comme effet de bord d'un systeme homeostatique. Par la suite, nous avons mis en place un mecanisme neuronal permettant d'apprendre des sequences de mouvements en respectant le sequencement et la duree entre les mouvements. Ce modele, inspire de structures neuronales telles que l'hippocampe et le cervelet, a la capacite de predire des evenements en respectant la loi de weber (l'incertitude entre la precision de la prediction et la duree de l'intervalle a predire). Finalement, nous avons introduit un mecanisme permettant a notre robot d'apprendre en ligne a reconnaitre la forme du son professeur. Le resultat peut-etre le plus important de ma these a consiste a montrer que la modelisation de mecanismes d'apprentissage par imitation pour un robot mobile passe par la prise en compte des aspects tres differents les uns des autres : vision, controle moteur, apprentissage de sequences j'ai etudie chaque probleme separement tout en montrant que la prise en compte des interactions entre ces differents problemes etait primordiale pour obtenir un systeme reellement fonctionnel.