Depuis près de dix ans, les progrès réalisés dans le domaine de la robotique sont colossaux et les liens avec l'Intelligence Artificielle se font de plus en plus étroits. Malgré ces progrès, les chercheurs et les ingénieurs de robotique se heurtent toujours à une difficulté de taille chaque fois qu'ils conçoivent un nouveau robot. Etant donné un robot capable d'effectuer un certain nombre d'actions élémentaires, la difficulté consiste à combiner ces différentes actions élémentaires pour que le robot réalise des tâches de plus haut niveau. A l'heure actuelle, les roboticiens modélisent les actions élémentaires sous la forme de systèmes d'équations mathématiques complexes qu'il est ensuite très difficile de combiner entre eux pour planifier une tâche de haut niveau. Dans cet article, nous proposons d'expérimenter une approche CSP au processus de planification. Celle-ci consiste à modéliser les actions élémentaires sous la forme de réseaux de contraintes acquis par apprentissage, puis à déterminer des séquences d'actions de plus haut niveau en combinant les différents réseaux acquis à l'aide d'outils de planification de tâches. Ensuite, nous décrivons comment valider notre approche au travers de l'étude expérimentale d'un robot sauteur unijambiste baptisé Twig.