L'objet de cette thèse est le développement et l'étude d'algorithmes de planification de mouvements optimaux pour des systèmes anthropomorphes sous-actionnées et hautement dimensionnés, à l'instar des robots humanoïdes et des acteurs virtuels. Des méthodes de planification aléatoires et de commande optimale sont proposées et discutées. Une première contribution concerne l'utilisation d'une méthode efficace de recherche dans un graphe pour l'optimisation de trajectoires de marche planifiées pour un système modélisé par sa boîte englobante. La deuxième contribution concerne l'utilisation de méthodes de planification aléatoires sous contraintes afin de planifier de façon générique des mouvements corps-complet de marche et manipulation. Enfin nous développons une approche algorithmique qui combine des méthodes de planification aléatoires sous contraintes et de commande optimale. Cette approche permet de générer des mouvements dynamiques, rapides, et sans collision, en présence d'obstacles dans l'environnement du système.

La robotique humanoide arrive a maturité avec des robots plus rapides et plus précis. Pour faire face à la complexité mécanique, la recherche a commencé à regarder au-delà du cadre habituel de la robotique, vers les sciences de la vie, afin de mieux organiser le contrôle du mouvement. Cette thése explore le lien entre mouvement humain et le contrôle des systèmes anthropomorphes tels que les robots humanoides. Tout d'abord, en utilisant des méthodes classiques de la robotique, telles que l'optimisation, nous étudions les principes qui sont à la base de mouvements répétitifs humains, tels que ceux effectués lorsqu'on joue au yoyo. Nous nous concentrons ensuite sur la locomotion en nous inspirant de résultats en neurosciences qui mettent en évidence le rôle de la tête dans la marche humaine. En développant une interface permettant à un utilisateur de commander la tête du robot, nous proposons une méthode de contrôle du mouvement corps-complet d'un robot humanoide, incluant la production de pas et permettant au corps de suivre le mouvement de la tête. Cette idée est poursuivie dans l'étude finale dans laquelle nous analysons la locomotion de sujets humains, dirigée vers une cible, afin d'extraire des caractéristiques du mouvement sous forme invariants. En faisant le lien entre la notion "d'invariant" en neurosciences et celle de "tâche cinématique" en robotique humanoide, nous développons une méthode pour produire une locomotion réaliste pour d'autres systèmes anthropomorphes. Dans ce cas, les résultats sont illustrés sur le robot humanoide HRP2 du LAAS-CNRS. La contribution générale de cette thèse est de montrer que, bien que la planification de mouvement pour les robots humanoides peut être traitée par des méthodes classiques de robotique, la production de mouvements réalistes nécessite de combiner ces méthodes à l'observation systématique et formelle du comportement humain.