SmoothRide nutzt fortschrittliche KI, um Infrastruktur zu analysieren und zu verbessern, sodass sie für alle sicherer und angenehmer wird. Durch die Integration von Daten aus verschiedenen Quellen, einschließlich Bürgerfeedback und KI-gesteuerten Erkenntnissen, hilft die Plattform, städtische Umgebungen neu zu gestalten, um Sicherheit und Lebensqualität zu fördern. Dies führt zu besseren Radwegen, fußgängerfreundlicheren Bereichen und einer insgesamt verbesserten Verkehrsführung. SmoothRide zielt darauf ab, Gemeinschaften und lokale Behörden einzubeziehen, um zukunftsfähige Infrastrukturen zu schaffen, die sowohl funktional als auch angenehm zu leben sind.

AutoDRIVE Cooperative MARL ist ein Open-Source-Framework, das entwickelt wurde, um kooperative Multi-Agenten-Verstärkendes Lernen (MARL)-Politiken für autonome Fahraufgaben zu trainieren und zu deployen. Es integriert sich mit realistischen Simulatoren zur Modellierung von Verkehrsszenarien wie Kreuzungen, Autobahn-Platooning und Merging. Das Framework implementiert zentrales Training mit dezenter Ausführung, sodass Fahrzeuge gemeinsam erlernte Politiken nutzen können, um die allgemeine Verkehrseffizienz und Sicherheit zu maximieren. Benutzer können Umgebungsparameter konfigurieren, aus Baseline-MARL-Algorithmen auswählen, den Trainingsfortschritt visualisieren und die Koordination der Agenten benchmarken.