Cette dissertation présente des contributions aux problématiques de recherche des domaines de la vision par ordinateur et de la navigation dans des environnements 3D par des robots mobiles. En particulier, concernant la vision 3D, des méthodologies basées sur l'apprentissage machine sont présentées ayant pour but la compréhension sémantique de données géométriques et colorimétriques, pour des applications qui portent sur des bibliothèques numériques des objets 3D jusqu'à la cartographie sémantique des environnements statiques ou dynamiques occupés par des humains et explorés par des robots. Des méthodologies plus robustes et performantes de perception 3D sont proposées, inspirées des domaines de la détection de nouveauté, de l'apprentissage incrémental et de la fusion intelligente et multi-modale de données. Par la suite, le problème de la navigation sûre et effective est abordé pour des robots mobiles qui opèrent au sein des environnements 3D d'intérieur ou d’extérieur, en se concentrant sur le franchissement d'obstacles négatifs et positifs, grâce à un apprentissage en simulation physique. En fondant un cadre général pour la modélisation de la traversabilité d'un robot sur un terrain 3D, le contrôle de mouvement des robots manipulateurs en chenilles est établi. Des comportements divers de contrôle de mouvement sont par la suite développés pour la montée et la descente d'escalier, le franchissement de vide et la navigation dite socialement conforme, en s'appuyant aux avancées dans le domaine de l'apprentissage par renforcement, l'apprentissage de bout à bout et les champs vectoriels de navigation. Enfin, le déploiement des robots terrestres est présenté d'un point de vue d'ingénierie de système dans le contexte des expériences menées sur le terrain avec comme conclusion une présentation des directions de recherche à poursuivre.