Résumé
Lorsque des robots évoluent en milieu hostile, il n'est pas toujours possible de les téléopérer, et les méthodes tradionnelles de planification sont souvent gourmandes en temps de calcul. Leurs facultés d'apprentissage et d'adaptation doivent donc être de plus en plus importantes. L'objectif est de faire apprendre à des robots une tâche collective complexe sans l'intervention d'un opérateur. Cet article présente deux méthodes d'apprentissage basées sur les algorithmes évolutionnistes et le recuit simulé. Nous avons implémenté ces deux méthodes en simulation et aussi sur une plate-forme composée de 4 robots mobiles présentée dans la troisième partie. La quatrième partie présente l'état actuel des résultats.