CASA está diseñada como un marco de autonomía modular, plug-and-play, basado en el ecosistema Robot Operating System (ROS). Presenta una arquitectura descentralizada donde cada robot ejecuta planificadores locales y nodos de árboles de comportamiento, publicando en una pizarra compartida para actualizaciones del estado del mundo. La asignación de tareas se gestiona mediante algoritmos de subasta que asignan misiones en función de las capacidades y disponibilidad del robot. La capa de comunicación usa mensajes ROS estándar en redes multi-robot para sincronizar los agentes. Los desarrolladores pueden personalizar parámetros de misión, integrar controladores de sensores y ampliar las bibliotecas de comportamiento. CASA soporta simulación de escenarios, monitoreo en tiempo real y herramientas de registro. Su diseño extensible permite a los equipos de investigación experimentar con nuevos algoritmos de coordinación y desplegar sin problemas en diversas plataformas robóticas, desde vehículos terrestres no tripulados hasta drones aéreos.

AgentRpi transforma un Raspberry Pi en un centro de agentes de IA edge, orquestando modelos de lenguaje junto con interfaces de hardware físico. Combinando entradas de sensores (temperatura, movimiento), flujos de cámaras y audio de micrófono, procesa información contextual mediante LLMs configurados (OpenAI GPT, variantes Llama locales) para planificar y ejecutar acciones de forma autónoma. Los usuarios definen comportamientos usando configuraciones YAML o scripts Python, permitiendo tareas como activar alertas, ajustar pines GPIO, capturar imágenes o responder a comandos de voz. Su arquitectura basada en plugins permite integraciones API sin problemas, adición de habilidades personalizadas y soporte para despliegue con Docker. Ideal para entornos de bajo consumo y sensibles a la privacidad, AgentRpi capacita a los desarrolladores para crear prototipos de escenarios de automatización inteligente sin depender exclusivamente de servicios en la nube.

AutoX se especializa en el desarrollo de sistemas de IA para vehículos autónomos, incluidas las capacidades de percepción y toma de decisiones en tiempo real. Integra algoritmos avanzados para interpretar datos de varios sensores, lo que permite al vehículo navegar en entornos complejos. AutoX también enfatiza las características de seguridad, asegurando que el sistema autónomo pueda tomar decisiones informadas mientras se adhiere a las leyes y regulaciones de tráfico. Su objetivo es mejorar la experiencia general de conducción al ofrecer soluciones fluidas, confiables y fáciles de usar tanto para pasajeros como para operadores de flotas.

Embedded BDI proporciona un motor completo para el ciclo de vida BDI: modela las creencias de un agente sobre su entorno, gestiona deseos o metas en evolución, selecciona intenciones de una biblioteca de planes y ejecuta comportamientos en tiempo real. El framework incluye módulos para almacenamiento de la base de creencias, definición de bibliotecas de planes, disparadores de eventos y control de concurrencia, diseñado específicamente para microcontroladores con memoria limitada. Con una API sencilla, los desarrolladores pueden anotar creencias, definir deseos e implementar planes en el código. Su planificador maneja la ejecución prioritaria de intenciones y se integra con interfaces de hardware para sensores, actuadores y comunicación en red, haciéndolo ideal para dispositivos IoT autónomos, robots móviles y controladores industriales.

El Agente IA Ida utiliza algoritmos de aprendizaje automático y análisis de datos para ofrecer información práctica para las operaciones de perforación. Al procesar grandes cantidades de datos provenientes de diversas fuentes, como sensores e informes de campo, Ida identifica patrones, optimiza parámetros de perforación y predice fallos de equipos. Esto permite a los equipos tomar decisiones basadas en datos que mejoran la eficiencia, reducen costos y aumentan la seguridad en el sitio.

El Agente de IA de Luminar aprovecha la avanzada tecnología lidar y el aprendizaje automático para mejorar la percepción del vehículo, identificar obstáculos con precisión y mejorar la toma de decisiones para una conducción autónoma más segura. Juega un papel crucial en la integración de sensores para proporcionar procesamiento de datos en tiempo real, asegurando que los vehículos puedan navegar de manera eficiente en entornos complejos. Esta tecnología permite a los fabricantes implementar sistemas autónomos que cumplen con las normas de seguridad de la industria mientras optimizan el rendimiento.

El Sistema de Búsqueda y Rescate basado en múltiples agentes en ROS es un marco robótico que aprovecha ROS para desplegar múltiples agentes autónomos para realizar operaciones coordinadas de búsqueda y rescate. Cada agente utiliza sensores a bordo y tópicos ROS para cartografía en tiempo real, evitación de obstáculos y detección de objetivos. Un coordinador central asigna tareas de manera dinámica según el estado del agente y los retroalimentaciones del entorno. El sistema puede ejecutarse en Gazebo o en robots reales, permitiendo a investigadores y desarrolladores probar y mejorar la cooperación entre robots, los protocolos de comunicación y la planificación adaptativa de misiones en condiciones realistas.

multiagent-golang proporciona un enfoque estructurado para construir sistemas de múltiples agentes en Go. Introduce una abstracción de Agente donde cada agente puede estar equipado con diversos sensores para percibir su entorno y actuadores para tomar acciones. Los agentes funcionan concurrentemente usando goroutines y se comunican a través de canales de mensajes dedicados. El marco también incluye una capa de simulación del entorno para gestionar eventos, administrar el ciclo de vida del agente y rastrear cambios de estado. Los desarrolladores pueden ampliar o personalizar fácilmente los comportamientos de los agentes, configurar parámetros de simulación e integrar módulos adicionales para registro o análisis. Facilita la creación de simulaciones escalables y concurrentes para investigación y prototipado.

RoboCup Rescue Agent Simulation es un framework de código abierto que modela entornos urbanos donde múltiples agentes impulsados por IA colaboran para localizar y rescatar víctimas. Ofrece interfaces para navegación, mapeo, comunicación e integración de sensores. Los usuarios pueden programar estrategias personalizadas, ejecutar experimentos en lote y visualizar métricas de rendimiento de los agentes. La plataforma soporta configuración de escenarios, registros y análisis de resultados para acelerar la investigación en sistemas multi-agentes y algoritmos de respuesta a desastres.