(...)
En bonus, je suis en train de me plonger dans l'intelligence artificielle. Au-delà de pouvoir lui programmer des enchainements de mouvement, j'aimerais faire des expériences d'apprentissage automatique pour par ex. atteindre une destination en évitant les obstacles.
J'ai commencé à me documenté mais je suis encore perdu entre les réseaux de neurone, "reinforcement learning", "Q-learning" ?
c'est un vaste sujet mais d'après-vous, de quel capteur j'aurais besoin en plus de mon capteur de distance rotatif ?
Ça dépend ce que tu veux faire

(je précise que je réponds sans savoir quels capteurs tu as déjà sur le robot). Mais en gros, toute information que tu veux pouvoir prendre en compte dans ton algo (sans même parler d'apprentissage) demandera un capteur (ou une fusion des infos de plusieurs capteurs).
Sur un marcheur, je pense qu'une IMU est indispensable : mesure de l'orientation du robot, odométrie vont se faire de cette manière.
Si tu veux éviter des obstacles avant de rentrer dedans, il faut un capteur distant : ultrason/infrarouge/laser (selon le prix

) sont les méthodes les plus répandues pour mesurer des distances. Tu peux faire de la stéréo avec des caméras mais ça n'est pas forcément simple.
Pour enrichir le comportement, tu peux imaginer utiliser un capteur de température et/ou de lumière qui augmente le spectre des possibilités (rejoindre un but en évitant les zones froides par exemple).
Une expérience d'apprentissage sympathique avec un petit réseau de neurones (et soit du renforcement, soit de l'apprentissage supervisé, je me rappelle plus) consiste à équiper un robot roulant de deux capteurs de distance et deux capteurs de contact (qui visent à +/-30 degrés devant le robot) et à faire apprendre au robot à anticiper les collisions grâce à ses capteurs de distance.
Donc deux ultrasons et deux boutons suffisent en théorie.