La gestion des déplacements dans l'espace pour un robot mobile autonome est un problème qui a été abordé dès les premiers essais d'intégration de l'intelligence artificielle et de la robotique, mais qui reste difficile et auquel peu de solutions générales ont été apportées. Parmi toutes les stratégies de navigation existantes, nous nous intéressons à celles qui utilisent une carte représentant la structure spatiale de l'environnement et qui permettent de planifi er les déplacements jusqu'à un but lointain. La construction d'une carte et l'estimation de la position du robot sont deux sous-problèmes de navigation qui ont reçu isolément des solutions e fficaces. Toutefois, leur résolution simultanée reste une tâche complexe. Le problème de l'estimation de la position, pris isolément, peut notamment être résolu de manière très e fficace par des modèles probabilistes utilisant des Processus de Décision Markoviens Partiellement Observables. Toutefois, ces modèles ne peuvent en général pas être utilisés pour construire "en-ligne" la carte qu'ils utilisent. Nous avons élaboré un modèle de navigation qui s'inspire de ces méthodes mais qui, à partir de capteurs relativement imprécis, permet la construction "en-ligne" de la carte. La capacité d'intégration des informations qu'o ffre cette méthode de localisation permet de compenser la faiblesse des perceptions. Nous utilisons de plus des procédures de perception active qui permettent, en fonction du contexte, d'utiliser les capteurs de manière e fficace. Notre modèle permet ainsi, en faisant peu d'hypothèses sur l'environnement, une estimation robuste de la position et une construction simultanée de la carte. Ses capacités ont été démontrées à la fois en simulation et sur un robot réel. En particulier, nous avons montré qu'il permettait au robot de se localiser correctement dès son introduction dans un environnement nouveau, de se relocaliser rapidement lorsqu'il est transporté passivement d'un endroit à un autre et de plani fier une trajectoire permettant de rejoindre de manière robuste un but donné.

Cette thèse s'intéresse aux problèmes de localisation en robotique mobile, et plus particulièrement à l'intérêt d'une approche ensembliste pour ces problèmes. Actuellement les méthodes probabilistes sont les plus utilisées pour localiser un robot dans son environnement, cette thèse propose des approches alternatives basées sur l'analyse par intervalles. Dans un premier temps, une méthode ensembliste s'intéressant au problème de localisation globale est proposée. Le problème de localisation globale correspond à la localisation d'un robot dans son environnement, sans connaissance à priori sur sa posture (position et orientation) initiale. La méthode proposée associe le problème de localisation à un problème de satisfaction de contraintes (CSP). Elle permet de localiser le robot en utilisant la connaissance de l'environnement, ainsi qu'un jeu de mesures LIDAR. Cette méthode est validée à l'aide de différentes expérimentations et est comparée à une approche probabiliste classique : la Localisation Monte Carlo (MCL). Dans un second temps une notion de visibilité est étudiée. Deux points sont supposés visibles, si le segment défini par ces deux points n'intersecte pas d'obstacle, autrement ils sont dit non-visibles. À l'aide de l'analyse par intervalles, des contracteurs associés à cette notion de visibilité sont développés. Après une présentation théorique de la visibilité, deux applications de ces contracteurs à la localisation en robotique mobile sont présentées : le suivi de posture d'une meute de robots à l'aide d'une information booléenne, et la prise en compte d'une contrainte supplémentaire dans le CSP associé à la localisation globale.