Nous proposons donc un modèle original d'apprentissage constructiviste adapté pour un système d'AmI. Ce modèle repose sur une approche décentralisée, permettant de multiples implémentations convenant à un environnement hétérogène. Dans les environnements réels continus sans modélisation à priori, se pose la question de la modélisation des structures élémentaires de représentation et particulièrement le problème d'amorçage de l'apprentissage sensorimoteur (comme décrit par [Kuipers06]). Dans le cadre du modèle général proposé, nous explicitons ce problème particulier et proposons de le traiter comme une forme d'auto-organisation modélisée par un système multi-agent. Cette approche permet de construire des motifs d'interaction élémentaires à partir des seules données brutes, sur lesquels peut reposer la construction d'une représentation plus élaborée (voir [Mazac14]). Nous présentons enfin une série d'expérimentations illustrant la résolution de ce problème d'amorçage : tout d'abord grâce à un environnement simulé, qui permet de maitriser les régularités de l'environnement et autorise des expérimentations rapides ; ensuite en implémentant ce système d'apprentissage au sein d'un environnement d'AmI réel. Pour cela le modèle est intégré dans le système d'AmI développé par l'entreprise partenaire de cette thèse CIFRE. Puis nous présentons une possible application industrielle des résultats de cette première étape implémentée d'amorçage de l'apprentissage sensorimoteur. Nous concluons par l'analyse des résultats et des perspectives de ce type d'approche pour l'AmI et l'application en général de l'IA aux systèmes réels en environnements continus / The theory of cognitive development from Jean Piaget (1923) is a constructivist perspective of learning that has substantially influenced cognitive science domain. Within AI, lots of works have tried to take inspiration from this paradigm since the beginning of the discipline. Indeed it seems that constructivism is a possible trail in order to overcome the limitations of classical techniques stemming from cognitivism or connectionism and create autonomous agents, fitted with strong adaptation ability within their environment, modelled on biological organisms. Potential applications concern intelligent agents in interaction with a complex environment, with objectives that cannot be predefined. Like robotics, Ambient Intelligence (AmI) is a rich and ambitious paradigm that represents a high complexity challenge for AI. In particular, as a part of constructivist theory, the agent has to build a representation of the world that relies on the learning of sensori-motor patterns starting from its own experience only. This step is difficult to set up for systems in continuous environments, using raw data from sensors without a priori modelling.With the use of multi-agent systems, we investigate the development of new techniques in order to adapt constructivist approach of learning on actual cases. Therefore, we use ambient intelligence as a reference domain for the application of our approach

Dans le cadre de cette thèse, nous abordons les problèmes liés à un robot autonome devant apprendre différentes tâches sensori-motrices dans des situations d’interaction et d’imitation. D’un point de vue théorique et dans le cadre des Interactions Homme-Machine (IHM), nous aborderons notamment les notions liées aux phénomènes d’entraînement rythmiques, de coordination interpersonnelle et de synchronisation intentionnelles et non-intentionnelles qui jouent un rôle important dans les interactions sociales. En particulier nous défendons l’hypothèse que des mécanismes d’entrainement rythmiques facilitent grandement l’apprentissage dans des situations d’interactions Homme-Robot. Leur prise en compte dans la conception de nouvelles IHMs est primordiale pour les rendre plus « intuitives ». A long terme, nous aimerions que le robot puisse utiliser ces signaux sociaux pour comprendre les intentions de son partenaire.L’utilisation d’une tâche complexe est ici nécessaire pour que le robot soit confronté à des situations d’échecs qui devront introduire des modifications de comportement non seulement de la part du partenaire mais aussi et surtout de la part du robot. Ces situations introduiront des modifications du rythme dans l’interaction au cours de l'apprentissage. Pour réussir ce pari, le robot devra être capable d’auto évaluer à la fois son comportement vis à vis de la tâche en cours d’exécution (et d’apprentissage) et son comportement d’interaction avec son partenaire.Nous proposons de travailler sur un « robot mobile compagnon » capable d’apprendre de manière interactive (avec son compagnon) à naviguer. L’utilisation de jeux d’interaction et d’imitation comme moyen d’apprentissage mais surtout de communication permet d’envisager de nouveaux principes d’IHM (Interface Homme-Machine) où l’interaction n’est plus considérée comme une « charge », elle devient au contraire plaisante. / In this thesis, we address the issues related to autonomous learning of different sensory-motor tasks using interaction and imitation. From a theoretical point of view and considering Human Machine Interaction (HMI), we will question the concepts linked to rhythmic entrainment, interpersonal coordination, and also intentional and unintentional synchronisations and their contribution to improve social interactions. Particularly, these mechanisms facilitate human-human interactions. Consequently, we defend the idea that taking them into account is essential to build more intuitive HMI.  In near future applications,  we would like to make the robot able to use these signals to improve its understanding the human partner intentions.Using a complex task is, then, necessary to confront the robot to failures that will introduce behavioral changes for both the human and the robot agents. These situations will introduce interaction rhythm modifications during learning phases. In this aim, the robot should be able to self assess its behavior regarding both the current task to learn and its interaction with its partner.We propose to work on a 'mobile companion robot' able to learn interactively (with its partner) to navigate. Using interaction games and imitation as a medium of learning and above all of communication, allows to consider new principles of HMI (Human Machine Interface) where the interaction is no longer considered as a 'load', it becomes rather pleasant.