Behaviour is usually assumed to depend on the reach of a critical intensitytermed reactivity thresholdby its motivation. This view represents a simple, predictive theoretical framework in ethology and psychology. However, it is here argued that only the influence of an isolated motivation on behaviour can be explained that way; that such a view fails to account for behaviour when several motivations are jointly activated. Upon analysis, the 'classical' theory of behaviour proves to be under-specified and thus leads to three conceptual problems that make it logically inconsistent for the study of multiple motivations. A revision of the 'classical' théory, called Anticipatory Dynamics Model (ADM), is then developed in order to bring a theoretical solution to these conceptual problems. The ADM hypothesizes that an organisms motivational interactions are due to the limitation of the organisms attentional resources. Several experiments are designed to test major predictions of the ADM. Tout comportement est censé dépendre du fait que sa motivation atteint une valeur critique d'intensité appelée seuil de réactivité. Cette approche constitue un cadre théorique simple et prédictif aussi bien en éthologie qu'en psychologie. Cependant, je tente de montrer que seule l'influence d'une motivation isolée sur le comportement peut être expliquée de cette façon ; que cette approche cesse d'être applicable lorsque plusieurs motivations sont activées simultanément. Après analyse, cette théorie 'classique' s'avère sous-spécifiée et conduit à trois problèmes conceptuels qui la rendent logiquement inconsistante pour l'étude des motivations multiples. Une révision de cette théorie 'classique', appelée Modèle de Dynamique Anticipatoire (MDA), est ainsi développée en vue d'apporter une solution théorique à ces problèmes conceptuels. Le MDA fait l'hypothèse que les interactions motivationnelles d'un organisme sont causées par la limitation de ses ressources attentionnelles. Plusieurs expériences ont été imaginées pour tester des prédictions importantes du MDA.

Ces travaux de thèse ont pour objectif de mieux comprendre comment le système nerveux central (SNC) planifie et contrôle les mouvements volontaires. Tout mouvement nécessite la résolution de deux types de redondance : interne (complexité du corps) et externe (interactions avec l’environnement), qui rendent difficile la sélection d’une action. Pour mieux comprendre ce contrôle, nous avons étudié en parallèle deux hypothèses importantes dans le domaine du contrôle moteur : les synergies musculaires et la décision motrice. Selon l’hypothèse des synergies musculaires, le contrôle des muscles par le SNC serait simplifié par l’utilisation de groupements invariants d’activations coordonnées de différents muscles, dont la combinaison sous-tendrait la réalisation de mouvements complexes. Le but de cette étude était de mettre à l’épreuve l’hypothèse des synergies musculaires en étudiant simultanément : a) un protocole spécifiant un grand nombre de mouvements variés, b) un nouveau modèle mathématiques tenant compte, pour l’extraction des synergies, de la modularité spatiale et temporelle, c) une double-évaluation de la qualité de la décomposition en synergies : au niveau musculaire (métrique VAF) et fonctionnel (performance de décodage). Notre idée directrice était que l’utilisation de synergies musculaires par le SNC n’est plausible que si elles permettent de rendre compte des activations musculaires d’un grand nombre de mouvements différents, et possèdent chacune un rôle fonctionnel spécifique. Les résultats de cette première étude montrent l'existence d'un petit ensemble de synergies dont la combinaison reconstruit les activations musculaires, et code efficacement toutes les tâches testées. La sélection d’une action, vue comme une prise de décision, peut être guidée par les contraintes extérieures objectives (e.g. la position de l’objet à attraper), les coûts/bénéfices explicites potentiels (e.g. une récompense monétaire), et les coûts/bénéfices internes associés à chaque mouvement (e.g. dépense d’énergie). Au quotidien, les actes sont rarement associés à des récompenses explicites. De plus, la redondance extrinsèque est toujours présente, la saisie d'une pomme par exemple ne définit pas une position finale précise de la main, contrairement au protocole souvent étudié de pointage d'une cible saillante. Les valeurs internes guidant le mouvement auraient donc une importance particulière dans le processus de décision motrice. Afin de les étudier, nous avons construit un protocole limitant les influences décisionnelles externes décrites ci-dessus. Les résultats de cette deuxième étude montrent des comportements différents entre les sujets, et mettent en avant en particulier l'existence de deux valeurs internes guidant la coordination entre posture et mouvement En conclusion, nous suggérons que le contrôle du mouvement peut être vu comme un processus de décision évaluant des valeurs internes pour produire la solution motrice la plus pertinente pour le contexte présent. De plus, ce contrôle serait simplifié par l'utilisation complémentaire de modules fonctionnels stockés dans le SNC. / This thesis is aimed at better understanding how the Central Nervous System (CNS) plans and controls voluntary movements. When moving, humans must overcome intrinsic (e.g. choosing which muscles to activate) and extrinsic (e.g. choosing where to reach an object) redundancy, requiring selecting one motor solution among several potential ones. To better understand this process, we studied in parallel two important motor control theories: muscular synergies and motor decision. In a first part, we focused on intrinsic redundancy by testing the muscular synergies hypothesis. According to it, the CNS simplifies the control of muscles, in using a limited set of building blocks whose linear combinations allow the performance of virtually any motor task. In this study, we challenge the modular motor control hypothesis by combining a) the design of a highly comprehensive experiment with b) the use of a unifying modularity model to describe single-trial EMG activity in space and time and c) a module evaluation process that assesses the modular decomposition not only in input space (EMG data reconstruction) but also in task space (task discrimination). Our rationale is that an effective modular control implementation would allow not only the formation of a wide variety of muscle patterns but also the achievement of a large set of tasks. The main theoretical result is the existence of few spatial and temporal modules that not onlygive a concise representation of muscle patterns but also carry nearly all task-relevant information of EMG signals. In a second part, we studied the decisional process that underlies all voluntary movement. In daily life, human movement is guided by objective external constraints (e.g. an object to reach), potential external cost/benefits (e.g. monetary reward) and internal cost/benefits associated with each movement (e.g. energy expenditure). Here,we aimed at investigating internal variables orienting action selection when facing the complexity of human-environment interactions. To this aim, we designed an experimental protocol reducing external constraints: no predetermined endpoint (e.g. salient target) and no explicit reward (e.g. money). Subjects had to perform whole body reaching movements towards a uniform surface (no pre-determined endpoint). Our results illustrate the presence of idiosyncratic values guiding posture and movement coordination that can be combined in a flexible manner as a function of context and subject. A first value takes into account the energy expenditure and articular jerk, while the other favored stable dynamic equilibrium but requires larger energy expenditure and articular jerk. In conclusion of this work, we suggest that motor control can be viewed as a decision process evaluating internal values to elaborate the most efficient control in function of context. In addition, this control can be simplified by the use of functional modules allowing CNS to generate rapidly a large set of whole body movements.

Cette thèse étudie les mécanismes de sélection de l'action et de choix de stratégie tels qu'ils apparaissent à travers des expériences animales et des enregistrements neurobiologiques. Nous proposons ensuite des modèles biologiquement plausibles de la sélection de l'action. L'objectif est de mieux comprendre le fonctionnement du cerveau chez les êtres vivants et de pouvoir endéduire des architectures de contrôle bio-inspirées, plus robustes et adaptées à l'environnement. Les modèles étudiés sont réalisés avec des réseaux de neurones artificiels, permettant de modéliser des régions cérébrales et ainsi pouvoir simuler le fonctionnement du cerveau, ce qui permet de tester nos hypothèses sur des robots et des agents virtuels.L'étude de la sélection de l'action pour des robots mobiles implique plusieurs approches. La sélection de l'action peut être étudiée du point de vue du choix entre plusieurs actions basiques, e.g. un choix binaire aller à gauche ou à droite. Ceci passe forcément par l'acquisition et la catégorisation d'instants et d'événements spéciaux, perçus ou effectués, qui représentent des contextes dans lesquels la perception change, le comportement est modifié ou bien la sélection est réalisée. Ainsi, la thèse traite aussi de l'acquisition, la catégorisation et l'encodage de ces événements importants dans la sélection del'action.Enfin, on s'intéressera à la sélection de l'action du point de vue de la sélection de stratégie. Les différents comportements peuvent être dirigés consciemment ou bien être des automatismes acquis avec l'habitude. Le but ici est d'explorer différentes approches pour que le robot puisse développer ces deux capacités, mais aussi d'étudier les interactions entre ces types de mécanismes dans la cadre de tâches de navigation.Les travaux de cette thèse se basent sur la modélisation du fonctionnement de différentes boucles hippocampo-cortico-basales impliquées dans des tâches de navigation, de sélection de l'action et de catégorisations multimodales. En particulier, nous avons un modèle de l'hippocampe permettant d'apprendre des associations spatio-temporelles et des conditionnements multimodaux entre des événements perceptifs. Il se base sur des associations sensorimotrices entre des cellules appelées cellules de lieu qui sont associées avec des actions pour définir des comportements cohérents. Le modèle fait aussi intervenir des cellules de transition hippocampiques, permettant de faire des prédictions temporelles sur les événements futurs. Celles-ci permettent l'apprentissagede séquences spatio-temporelles, notamment du fait qu'elles représentent le substrat neuronal à l'apprentissage d'une carte cognitive, située elle au niveau du cortex préfrontal et/ou pariétal.Ce type de carte permet de planifier des chemins à suivre en fonction des motivations du robot, ce qui permet de rejoindre différents buts précédemment découverts dans l'environnement. / This thesis aims at studying the different mechanisms involved in action selection and decision making processes, according to animal experiments and neurobiological recordings. For that matter, we propose several biologically plausible models for action selection. The goal is to achieve a better understanding of the animal's brain functions. This gives us the opportunity todevelop bioinspired control architectures for robots that are more robust and adaptative to a real environement. These models are based on Artificial Neural Networks, allowing us to test our hypotheses on simulations of different brain regions and function, implemented on robots and virtual agents.Action selection for mobile robots can be approached from different angles. This process can be seen as the selection between two possibilities, e.g. go left or go right. Those mechanisms involve the ability to learn and categorize specific events, encoding contexts where a change in the perception is perceived, a change in the behavior is noticed or the decision is made. There-fore, this thesis studies those capacities of acquisition, categorisation and coding of different events that can be relevant for action selection.We also, approach the action selection as a strategy selection. The different behaviors are guided consciously or through automated behavior learned as habits. We investigate different possibilities allowing a robot to develop those capacities. Also, we aim at studying interactions that can emerge between those mechanisms during navigational behaviors.The work presented in this these is based on the modelisation of the hippocampo-cotico-basal loops involved in the navigational behaviors, the action selection and the multimodal categorisation of events. We base our models on a previous model of the hippocampus for the learning of spatio-temporal associations and for multimodal conditionning of perceptive events. It is based on sensorimotor associations between place cells and actions to achieve navigational behaviors. The model involves also a specific type of hippocampic cells, named transition cells, for temporal prediction of future events. This capacity allows the model to learn spatio-temporal sequences, and it represents the neural substrate for the learning of a cognitive map, hypothesised to be localized in prefrontal and/or parietal areas. This kind of topological map allows to plan the behavior of the robot according to its motivations, which is used in goal orientedexperiments to achieve goals and capture rewards.