GameGen-X es una herramienta de IA de vanguardia que utiliza un proceso de entrenamiento en dos fases para generar videojuegos de mundo abierto atractivos. La primera fase, Preentrenamiento Fundacional, implica entrenar el modelo en el conjunto de datos OGameData utilizando técnicas de generación de texto a video y continuación de video. La segunda fase, Ajuste de Instrucciones, ajusta el modelo con InstructNet para permitir la generación de contenido interactivo en tiempo real. Impulsado por más de 32,000 clips de video de juegos seleccionados de RPGs, FPS, juegos de carreras y más, GameGen-X permite a los usuarios producir entornos de juego diversos e inmersivos sin esfuerzo.

Pacman AI ofrece un entorno y un marco de agentes totalmente funcional en Python para el clásico juego de Pacman. El proyecto implementa algoritmos clave de aprendizaje por refuerzo—Q-learning e iteración de valores—para permitir que el agente aprenda políticas óptimas para la recolección de píldoras, navegación en laberintos y evasión de fantasmas. Los usuarios pueden definir funciones de recompensa personalizadas y ajustar hiperparámetros como la tasa de aprendizaje, factor de descuento y estrategia de exploración. El marco soporta registro de métricas, visualización del rendimiento y configuraciones reproducibles de experimentos. Está diseñado para facilitar su extensión, permitiendo a investigadores y estudiantes integrar nuevos algoritmos o enfoques de aprendizaje con redes neuronales y compararlos con métodos de cuadrícula tradicionales dentro del dominio de Pacman.