AIpacman ofrece una caja de herramientas completa en Python para desarrollar, visualizar y evaluar agentes de IA en el entorno clásico de Pac-Man. Incluye implementaciones de algoritmos de búsqueda (DFS, BFS, A*, UCS), técnicas adversarias (Minimax, Alpha-Beta, Expectimax) y métodos de aprendizaje por refuerzo (Q-Learning). Con configuraciones flexibles de laberintos, métricas de rendimiento y controles CLI, los usuarios pueden extender fácilmente los agentes, analizar estrategias y obtener experiencia práctica en IA.
AIpacman ofrece una caja de herramientas completa en Python para desarrollar, visualizar y evaluar agentes de IA en el entorno clásico de Pac-Man. Incluye implementaciones de algoritmos de búsqueda (DFS, BFS, A*, UCS), técnicas adversarias (Minimax, Alpha-Beta, Expectimax) y métodos de aprendizaje por refuerzo (Q-Learning). Con configuraciones flexibles de laberintos, métricas de rendimiento y controles CLI, los usuarios pueden extender fácilmente los agentes, analizar estrategias y obtener experiencia práctica en IA.
AIpacman es un proyecto open-source en Python que simula el entorno del juego Pac-Man para experimentación con IA. Los usuarios pueden escoger entre agentes integrados o crear nuevos mediante algoritmos de búsqueda como DFS, BFS, A*, UCS; métodos adversarios como Minimax con poda Alpha-Beta y Expectimax; o técnicas de refuerzo como Q-Learning. El framework provee laberintos configurables, registros de rendimiento, visualización de decisiones de agentes y una interfaz de línea de comandos para ejecutar partidas y comparar puntuaciones. Está diseñado para clases, benchmarks de investigación y proyectos amateurs en IA y desarrollo de juegos.
BomberManAI es un agente de IA basado en Python que navega y combate de forma autónoma en entornos de juego Bomberman utilizando algoritmos de búsqueda.
Un marco de trabajo de código abierto para aprendizaje por refuerzo multiagente que permite control de agentes a nivel bruto y coordinación en StarCraft II a través de PySC2.
Un agente RL de código abierto para duelos de Yu-Gi-Oh, que proporciona simulación de entorno, entrenamiento de políticas y optimización de estrategias.
BotPlayers es un marco de código abierto que permite la creación, prueba y despliegue de agentes de juego con IA, con soporte para aprendizaje por refuerzo.
Gomoku Battle es un marco de trabajo en Python que permite a los desarrolladores construir, probar y enfrentarse con agentes de IA en juegos de Gomoku.
Un agente de IA que juega Pentago Swap evaluando los estados del tablero y seleccionando las colocaciones óptimas utilizando Búsqueda Monte Carlo en Árbol.