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.

RL-Agents es un framework de aprendizaje por refuerzo de nivel investigación construido sobre PyTorch que agrupa algoritmos RL populares en métodos basados en valor, política y actor-crítico. La biblioteca cuenta con una API modular de agentes, aceleración por GPU, integración fluida con OpenAI Gym y herramientas integradas de registro y visualización. Los usuarios pueden configurar hiperparámetros, personalizar bucles de entrenamiento y evaluar el rendimiento con pocas líneas de código, haciendo de RL-Agents una opción ideal para investigación académica, prototipado y experimentación industrial.

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.