Dieses Open-Source-Projekt liefert ein vollständiges Multi-Agent-Verstärkungslernen-Framework, das auf PyTorch und Unity ML-Agents basiert. Es bietet dezentrale DDPG-Algorithmen, Umgebungs-Wrapper und Trainingsskripte. Nutzer können Agentenrichtlinien, Kritiker-Netzwerke, Replay-Puffer und parallele Trainings-Worker konfigurieren. Log-Hooks ermöglichen die Überwachung mit TensorBoard, während modulare Code-Strukturen benutzerdefinierte Belohnungsfunktionen und Umgebungsparameter unterstützen. Das Repository umfasst Beispiel-Szenen in Unity, die kollaborative Navigationsaufgaben demonstrieren, und ist damit ideal, um Multi-Agent-Szenarien in Simulationen zu erweitern und zu benchmarking.

Enso ist eine browserbasierte Plattform, mit der Nutzer individuelle KI-Agenten über einen visuell flussbasierten Builder erstellen können. Nutzer ziehen modulare Code- und KI-Komponenten per Drag-and-Drop auf die Oberfläche, konfigurieren API-Integrationen, integrieren Chat-Schnittstellen und Vorschauen interaktive Workflows in Echtzeit. Nach dem Design können Agenten sofort getestet und mit einem Klick in die Cloud bereitgestellt oder als Container exportiert werden. Enso vereinfacht komplexe Automatisierungsaufgaben, indem es die Einfachheit von No-Code mit vollständiger Code-Erweiterbarkeit kombiniert und eine schnelle Entwicklung intelligenter Assistenten und datengetriebener Workflows ermöglicht.