Coordination implicite d'interactions sensorimotrices comme fondement de la cognition

Implicit coordination of sensorimotor interactions as a cornerstone of cognition

• Auteur / Autrice : Jean-Charles Quinton
• Direction : Jean-Christophe Buisson
• Type : Thèse de doctorat
• Discipline(s) : Intelligence artificielle
• Date : Soutenance en 2008
• Etablissement(s) : Toulouse, INPT

Mots clés

Mots clés contrôlés

Processus perceptivomoteurs

Anticipation (philosophie)

Systèmes dynamiques

Modèles mathématiques

Schèmes (psychologie)

Mots clés libres

Interaction (philosophie)

Systèmes complexes

Résumé

Cette thèse propose une infrastructure cognitive afin de modéliser les comportements sensori-moteurs : tout système est représenté par un ensemble de processus actifs, en interaction permanente avec leur environnement. Un tel système peut ainsi être décomposé de manière fractale, chaque niveau d'émergence reposant sur des mêmes principes d'assimilation, de régulation, d'anticipation ou encore de coordination. Un modèle mathématique utilisant le formalisme des systèmes complexes est décrit, ainsi que son implémentation informatique. La dynamique de l'agent est modélisée par un champ d'activité sous l'influence permanente d'anticipations internes et de sensations externes. Le comportement de l'agent résulte alors de la coordination implicite de processus interactifs localisés. Le modèle est validé par un ensemble d'applications allant de la satisfaction de besoins à la manipulation d'objets. Afin d'appliquer le modèle à des problèmes complexes, des optimisations sont présentées.

This thesis promotes a cognitive infrastructure able to model sensorimotor behaviors: any system is represented by a set of active processes, in constant interaction with their environment. Such systems are fractal, decomposed in different levels of emergence based on the same principles of assimilation, regulation, anticipation or coordination. A mathematical model using the formalism of complex systems is described, as well as its computer implementation. The agent's dynamics is modeled by an activity field under the continuous influence of internal anticipations and external sensations. The behavior of the agent then results from the implicit and stable coordination of localized interactive processes. A set of applications validates the model, from need satisfaction to object handling. In order to apply the model to complex problems, parallelization, optimization and learning algorithms are finally introduced.