SmoothRide aprovecha la IA avanzada para analizar y mejorar la infraestructura, haciéndola más segura y agradable para todos. Al integrar datos de diversas fuentes, incluidos comentarios de ciudadanos e información impulsada por IA, la plataforma ayuda a rediseñar los entornos urbanos para promover la seguridad y la habitabilidad. Esto lleva a mejores carriles para bicicletas, áreas más amigables para peatones y una gestión de tráfico general mejorada. SmoothRide tiene como objetivo involucrar a las comunidades y autoridades locales en la construcción de infraestructuras listas para el futuro, que sean tanto funcionales como agradables para vivir.

AutoDRIVE Cooperative MARL es un marco de código abierto diseñado para entrenar y desplegar políticas de aprendizaje por refuerzo multiactores cooperativos para tareas de conducción autónoma. Se integra con simuladores realistas para modelar escenarios de tráfico como intersecciones, formación de convoy en autopistas y escenarios de fusión. El marco implementa entrenamiento centralizado con ejecución descentralizada, permitiendo que los vehículos aprendan políticas compartidas que maximicen la eficiencia y seguridad del tráfico global. Los usuarios pueden configurar parámetros del entorno, escoger algoritmos MARL de referencia, visualizar el progreso del entrenamiento y evaluar la coordinación de los agentes.