L'objectif de l'équipe est d'étudier les propriétés qui émergent d'architectures de calcul non conventionnelles pour la réalisation ou le contrôle de systèmes autonomes persistants interagissant avec des environnements dynamiques complexes.
Notre principe fondateur est d'incarner l'informatique que nous étudions dans des systèmes physiques à la dynamique complexe où ils interagissent par le biais de flux continus d'entrées-sorties. Nos agents incarnés seront considérés comme des homéostats avec une physiologie artificielle construite sur une informatique non-conventionnelle car massivement parallèle, distribuée, décentralisée, avec des communications locales entre des unités simples. En effet, à l'instar de ce que suggère le monde animal et en accord avec la théorie de l'embodiment, nous pensons que ce type de couplage incarné au sein d'un système dynamique est le plus propice à faire émerger des fonctions «cognitives» structurantes. Pour cela, nous voulons doter notre architecture neuro-cellulaire de mécanismes d'adaptation et d'apprentissage non-supervisés pour favoriser, par auto-organisation, une modularisation et une spécialisation fonctionnelle nécessaires au développement de comportements intéressants.
Notre approche se décline en trois niveaux fortement interdépendants. Un axe neurocellulaire plus spécifiquement dédié à la question de la compatibilité de nos modèles avec les contraintes d'implémentation sur des architectures neuromorphiques matérielles. Un axe mécanismes plus fonctionnel qui étudie les mécanismes favorisant la spécialisation et modularisation par auto-organisation. Et un axe renforcement distribué qui s'appuie sur le cadre de l'apprentissage par renforcement pour moduler et guider les mécanismes d'adaptation à l'oeuvre dans les autres axes.
