MADDPG-Keras ofrece un marco completo para la investigación en aprendizaje por refuerzo multiagente al implementar el algoritmo MADDPG en Keras. Admite espacios de acción continuos, múltiples agentes y entornos estándar de OpenAI Gym. Los investigadores y desarrolladores pueden configurar arquitecturas de redes neuronales, hiperparámetros de entrenamiento y funciones de recompensa, luego lanzar experimentos con registros integrados y puntos de control para acelerar el aprendizaje de políticas multiagente y la evaluación comparativa.

MAGAIL implementa una extensión multi-agente del aprendizaje por imitación adversarial generativa, permitiendo a grupos de agentes aprender comportamientos coordinados a partir de demostraciones de expertos. Construido en Python con soporte para PyTorch (o variantes TensorFlow), MAGAIL consiste en módulos de política (generador) y discriminador entrenados en un bucle adversarial. Los agentes generan trayectorias en entornos como OpenAI Multi-Agent Particle Environment o PettingZoo, que el discriminador evalúa para verificar su autenticidad en comparación con datos de expertos. Mediante actualizaciones iterativas, las redes de políticas convergen hacia estrategias similares a las de los expertos sin funciones de recompensa explícitas. El diseño modular de MAGAIL permite personalizar arquitecturas de red, ingestión de datos de expertos, integración de entornos y hiperparámetros de entrenamiento. Además, la programación y visualización en TensorBoard facilitan el monitoreo y análisis del progreso del aprendizaje multi-agente y los puntos de referencia de rendimiento.

Este repositorio proporciona un marco completo para la investigación en juego en StarCraft II. El agente principal usa Proximal Policy Optimization (PPO) para aprender redes de política que interpretan datos de observación del entorno PySC2 y generan acciones precisas en el juego. Los desarrolladores pueden configurar capas de redes neuronales, formateo de recompensas y horarios de entrenamiento para optimizar el rendimiento. El sistema soporta multiproceso para recolección eficiente de muestras, utilidades de registro para monitorear curvas de entrenamiento y scripts de evaluación para correr políticas entrenadas contra oponentes scriptados o AI incorporados. El código está escrito en Python y aprovecha TensorFlow para definición y optimización de modelos. Los usuarios pueden extender componentes como funciones de recompensa personalizadas, preprocesamiento de estado o arquitecturas de red para fines específicos de investigación.