PommerLearn permite a investigadores y desarrolladores entrenar bots RL multi-agente en el entorno de juego Pommerman. Incluye implementaciones listas para usar de algoritmos populares (PPO, DQN), archivos de configuración flexibles para hiperparámetros, registro automático y visualización de métricas de entrenamiento, guardado de modelos y scripts de evaluación. Su arquitectura modular facilita la extensión con nuevos algoritmos, la personalización de entornos y la integración con bibliotecas ML estándar como PyTorch.

Text-to-Reward proporciona una pipeline para entrenar modelos de recompensa que convierten descripciones de tareas basadas en texto o retroalimentación en valores escalares de recompensa para agentes de RL. Aprovechando arquitecturas basadas en Transformer y ajuste fino en datos de preferencias humanas, el framework aprende automáticamente a interpretar instrucciones en lenguaje natural como señales de recompensa. Los usuarios pueden definir tareas arbitrarias mediante indicaciones textuales, entrenar el modelo, y luego integrar la función de recompensa aprendida en cualquier algoritmo RL. Este enfoque elimina el diseño manual de recompensas, aumenta la eficiencia de las muestras y permite a los agentes seguir instrucciones complejas de múltiples pasos en entornos simulados o reales.

CybMASDE permite a investigadores y desarrolladores construir, configurar y ejecutar simulaciones multiagente con aprendizaje por refuerzo profundo. Los usuarios pueden crear escenarios personalizados, definir roles de agentes y funciones de recompensa, y conectar algoritmos RL estándar o personalizados. El marco incluye servidores de entorno, interfaces de agentes en red, recolectores de datos y utilidades de renderizado. Soporta entrenamiento paralelo, monitoreo en tiempo real y guardado de modelos. La arquitectura modular de CybMASDE facilita la integración sin problemas de nuevos agentes, espacios de observación y estrategias de entrenamiento, acelerando experimentos en control cooperativo, comportamiento de enjambre, asignación de recursos y otros casos de uso multiagente.

MAPF_G2RL es un marco de investigación de código abierto que conecta la teoría de grafos y el aprendizaje por refuerzo profundo para abordar el problema de búsqueda de caminos multi-agente (MAPF). Codifica nodos y aristas en representaciones vectoriales, define funciones de recompensa espacial y sensibles a colisiones, y soporta diversos algoritmos RL como DQN, PPO y A2C. El marco automatiza la creación de escenarios generando grafos aleatorios o importando mapas del mundo real, y organiza ciclos de entrenamiento que optimizan políticas para múltiples agentes simultáneamente. Tras el aprendizaje, los agentes son evaluados en entornos simulados para medir la optimalidad de caminos, el tiempo de Makespan y tasas de éxito. Su diseño modular permite a investigadores extender componentes básicos, integrar nuevas técnicas MARL y hacer benchmarking contra solucionadores clásicos.