El autoaprendizaje simple ofrece a los desarrolladores un enfoque muy simple para crear y entrenar agentes de aprendizaje por refuerzo en Python. El marco abstrae componentes centrales del RL, como envoltorios de entorno, módulos de política y búferes de experiencia, en interfaces concisas. Los usuarios pueden inicializar rápidamente entornos, definir políticas personalizadas usando backends familiares como PyTorch o TensorFlow, y ejecutar bucles de entrenamiento con registro y guardado de puntos de control integrados. La biblioteca soporta algoritmos on-policy y off-policy, permitiendo experimentar de forma flexible con Q-learning, gradientes de políticas y métodos actor-crítico. Al reducir el código repetitivo, el autoaprendizaje simple permite a practicantes, educadores e investigadores prototipar algoritmos, probar hipótesis y visualizar el rendimiento del agente con configuración mínima. Su diseño modular también facilita la integración con pilas de ML existentes y entornos personalizados.

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.

TexasHoldemAgent proporciona un entorno modular basado en Python para entrenar, evaluar y desplegar un jugador de póker alimentado por IA para Texas Hold’em límite en heads-up. Integra un motor de simulación personalizado con algoritmos de aprendizaje por refuerzo profundo, incluido DQN, para una mejora iterativa de políticas. Las capacidades clave incluyen codificación del estado de la mano, definición del espacio de acción ( fold, call, raise ), configuración de recompensas y evaluación en tiempo real de decisiones. Los usuarios pueden personalizar los parámetros de aprendizaje, aprovechar la aceleración CPU/GPU, monitorear el progreso del entrenamiento y cargar o guardar modelos entrenados. El marco soporta simulaciones en lote para probar estrategias diversas, generar métricas de rendimiento y visualizar tasas de victoria, permitiendo a investigadores, desarrolladores y entusiastas del póker experimentar con estrategias de juego impulsadas por IA.

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.

uAgents es un marco modular en JavaScript que permite a los desarrolladores construir agentes autónomos y descentralizados de IA que pueden descubrir pares, intercambiar mensajes, colaborar en tareas y adaptarse mediante aprendizaje. Los agentes se comunican mediante protocolos de gossip basados en libp2p, registran capacidades a través de registros on-chain y negocian acuerdos de nivel de servicio usando contratos inteligentes. La biblioteca principal gestiona eventos del ciclo de vida del agente, enrutamiento de mensajes y comportamientos extensibles como aprendizaje por refuerzo y asignación de tareas basada en mercado. A través de plugins personalizables, uAgents puede integrarse con el ledger de Fetch.ai, APIs externas y redes de oráculos, permitiendo a los agentes realizar acciones en el mundo real, adquirir datos y tomar decisiones en entornos distribuidos sin orquestación centralizada.

Vanilla Agents es un marco liviano basado en PyTorch que proporciona implementaciones modulares y extensibles de agentes de aprendizaje por refuerzo fundamentales. Soporta algoritmos como DQN, Double DQN, PPO y A2C, con envoltorios de entorno en plug-in compatibles con OpenAI Gym. Los usuarios pueden configurar hiperparámetros, registrar métricas de entrenamiento, guardar puntos de control y visualizar curvas de aprendizaje. La base de código está organizada para la claridad, siendo ideal para prototipado de investigación, uso educativo y benchmarking de nuevas ideas en RL.

VMAS es un paquete de herramientas completo para construir y entrenar sistemas multi-agentes utilizando aprendizaje profundo por refuerzo. Soporta simulaciones paralelas en GPU de cientos de instancias de entornos, permitiendo recopilación de datos de alto rendimiento y entrenamiento escalable. VMAS incluye implementaciones de algoritmos MARL populares como PPO, MADDPG, QMIX y COMA, junto con interfaces modulares para políticas y entornos para prototipado rápido. El marco facilita entrenamiento centralizado con ejecución descentralizada (CTDE), ofrece personalización del modelado de recompensas, espacios de observación y hooks de devolución de llamada para registro y visualización. Con su diseño modular, VMAS se integra perfectamente con modelos PyTorch y entornos externos, siendo ideal para investigación en tareas cooperativas, competitivas y de motivos mixtos en robótica, control de tráfico, asignación de recursos y escenarios de IA en juegos.

El marco YGO-Agent permite a investigadores y entusiastas desarrollar bots de IA que juegan al juego de cartas Yu-Gi-Oh usando aprendizaje por refuerzo. Envuelve el simulador YGOPRO en un entorno compatible con OpenAI Gym, definiendo representaciones de estado como mano, campo y puntos de vida, así como representaciones de acción que incluyen invocaciones, activación de hechizos/trampas y ataques. Las recompensas se basan en resultados de victoria/derrota, daño causado y progreso del juego. La arquitectura del agente usa PyTorch para implementar DQN, con opciones para arquitecturas de red personalizadas, reproducción de experiencia y exploración epsilon-greedy. Los módulos de registro registran curvas de entrenamiento, tasas de victoria y registros detallados de movimientos para análisis. El marco es modular, permitiendo a los usuarios reemplazar o extender componentes como la función de recompensa o el espacio de acción.

GYM_XPLANE_ML envuelve el simulador de vuelo X-Plane como un entorno de OpenAI Gym, exponiendo controles de acelerador, elevador, alerones y timón como espacios de acción y parámetros de vuelo como altitud, velocidad y orientación como observaciones. Los usuarios pueden programar flujos de trabajo de entrenamiento en Python, seleccionar escenarios predefinidos o personalizar puntos de ruta, condiciones meteorológicas y modelos de aviones. La biblioteca maneja comunicaciones en baja latencia con X-Plane, ejecuta episodios en modo sincrónico, registra métricas de rendimiento y soporta renderizado en tiempo real para depuración. Permite un desarrollo iterativo de pilotos automáticos impulsados por ML y algoritmos RL experimentales en un entorno de vuelo de alta fidelidad.

La Traducción Automática con Agentes de IA es un marco de código abierto diseñado para investigación y desarrollo en traducción automática. Orquesta tres agentes principales: un generador, un evaluador y un perfeccionador, que colaboran para producir, evaluar y perfeccionar traducciones. Basado en PyTorch y modelos de transformadores, soporta preentrenamiento supervisado, optimización mediante aprendizaje por refuerzo y políticas de agentes configurables. Los usuarios pueden realizar benchmarks en conjuntos de datos estándar, monitorear puntuaciones BLEU y extender la línea de proceso con agentes o funciones de recompensa personalizadas para explorar la colaboración entre agentes en tareas de traducción.

AI Hedge Fund 5zu proporciona una tubería completa para el comercio cuantitativo: un entorno personalizable para simular múltiples clases de activos, módulos de agentes basados en aprendizaje por refuerzo, utilidades de backtesting, integración de datos de mercado en tiempo real y herramientas de gestión de riesgos. Los usuarios pueden configurar fuentes de datos, definir funciones de recompensa, entrenar agentes con datos históricos y evaluar el rendimiento en métricas financieras clave. El marco soporta desarrollo de estrategias modulares y puede extenderse a APIs de corredores en vivo para desplegar bots de trading de nivel productivo.

Los agentes de IA para Piedra-Papel-Tijeras son un proyecto open-source en Python que demuestra cómo construir, entrenar y evaluar diferentes estrategias de IA—juego aleatorio, reconocimiento de patrones basado en reglas y aprendizaje por refuerzo (Q-learning)—en el juego clásico Piedra-Papel-Tijeras. Proporciona clases de agentes modulares, un motor de juego configurable, registro de rendimiento y utilidades de visualización. Los usuarios pueden intercambiar fácilmente agentes, ajustar parámetros de aprendizaje y explorar el comportamiento de IA en escenarios competitivos.

El entorno Beer Game proporciona una simulación en tiempo discreto de una cadena de suministro de cerveza de cuatro etapas — minorista, mayorista, distribuidor y fabricante — con una interfaz de OpenAI Gym. Los agentes reciben observaciones que incluyen inventario en mano, stock en línea y pedidos entrantes, y luego producen cantidades de pedidos. El entorno calcula los costos por paso de mantenimiento de inventario y pedidos pendientes, y admite distribuciones de demanda y tiempos de entrega personalizables. Se integra perfectamente con bibliotecas RL populares como Stable Baselines3, permitiendo a investigadores y educadores evaluar y entrenar algoritmos en tareas de optimización de la cadena de suministro.

BotPlayers es un marco versátil de código abierto que simplifica el desarrollo y despliegue de agentes de juego impulsados por IA. Destaca por su capa de abstracción de entorno flexible que soporta captura de pantalla, APIs web o interfaces de simulación personalizadas, permitiendo a los bots interactuar con diversos juegos. Incluye algoritmos de aprendizaje por refuerzo incorporados, algoritmos genéticos y heurísticas basadas en reglas, además de herramientas para registro de datos, puntos de control de modelos y visualización del rendimiento. Su sistema de plugins modular permite a los desarrolladores personalizar sensores, acciones y políticas de IA en Python o Java. BotPlayers también ofrece configuración basada en YAML para prototipado rápido y pipelines automáticos para entrenamiento y evaluación. Compatible con Windows, Linux y macOS, este marco acelera la experimentación y producción de agentes de juego inteligentes.

CityLearn proporciona una plataforma de simulación modular para la investigación en gestión energética usando aprendizaje por refuerzo. Los usuarios pueden definir agrupaciones de edificios multi-zona, configurar sistemas HVAC, unidades de almacenamiento y fuentes renovables, y luego entrenar agentes RL frente a eventos de respuesta a la demanda. El entorno expone observaciones de estado como temperaturas, perfiles de carga y precios de energía, mientras que las acciones controlan puntos de consigna y despachos de almacenamiento. Una API de recompensas flexible permite métricas personalizadas, como ahorros en costos o reducción de emisiones, y las utilidades de registro soportan análisis de rendimiento. CityLearn es ideal para benchmarking, aprendizaje por currículo y desarrollo de nuevas estrategias de control en un marco de investigación reproducible.

CryptoTrader Agents proporciona un conjunto completo de herramientas para diseñar, entrenar y desplegar estrategias de negociación con IA en mercados de criptomonedas. Incluye un entorno modular para ingestión de datos, ingeniería de características y funciones de recompensa personalizadas. Los usuarios pueden aprovechar algoritmos preconfigurados de aprendizaje por refuerzo o integrar sus propios modelos. La plataforma ofrece pruebas retrospectivas simuladas con datos históricos de precios, controles de gestión de riesgos y seguimiento de métricas detalladas. Cuando la estrategia esté lista, los agentes se pueden conectar a APIs de exchange en vivo para ejecución automática. Construido en Python, el marco es completamente extensible, permitiendo a los usuarios prototipar nuevas tácticas, ejecutar barridos de parámetros y monitorear el rendimiento en tiempo real.

Fast Reinforcement Learning es un marco Python especializado diseñado para acelerar el desarrollo y la ejecución de agentes de aprendizaje por refuerzo. Ofrece soporte listo para usar para algoritmos populares como PPO, A2C, DDPG y SAC, combinados con gestiones de entornos vectorizados de alto rendimiento. Los usuarios pueden configurar fácilmente redes de políticas, personalizar bucles de entrenamiento y aprovechar la aceleración GPU para experimentos a gran escala. El diseño modular de la biblioteca garantiza una integración fluida con entornos OpenAI Gym, permitiendo a investigadores y practicantes prototipar, hacer benchmarks y desplegar agentes en diversas tareas de control, juegos y simulación.

DeepSeek R1 representa un avance significativo en inteligencia artificial, brindando un rendimiento de primera categoría en tareas de razonamiento, matemáticas y codificación. Utilizando una sofisticada arquitectura MoE (Mixture of Experts) con 37B de parámetros activados y 671B de parámetros totales, DeepSeek R1 implementa técnicas avanzadas de aprendizaje por refuerzo para alcanzar puntos de referencia de vanguardia. El modelo ofrece un rendimiento robusto, incluyendo un 97,3% de precisión en MATH-500 y un ranking en el percentil 96,3 en Codeforces. Su naturaleza de código abierto y opciones de despliegue rentables lo hacen accesible para una amplia gama de aplicaciones.

Dino Reinforcement Learning proporciona un conjunto completo de herramientas para entrenar a un agente IA para jugar el juego de dinosaurios de Chrome mediante aprendizaje por refuerzo. Al integrarse con una instancia de Chrome sin interfaz a través de Selenium, captura cuadros en tiempo real del juego y los procesa en representaciones de estado optimizadas para entradas de redes Q profundas. El marco incluye módulos para memoria de reproducción, exploración epsilon-greedy, modelos de redes neuronales convolucionales y bucles de entrenamiento con hiperparámetros personalizables. Los usuarios pueden monitorear el progreso del entrenamiento a través de registros en la consola y guardar puntos de control para evaluación posterior. Tras el entrenamiento, el agente puede desplegarse para jugar automáticamente en vivo o compararse con diferentes arquitecturas de modelos. El diseño modular permite una sustitución sencilla de algoritmos RL, haciendo de esta plataforma un entorno flexible para experimentación.

DQN-Deep-Q-Network-Atari-Breakout-TensorFlow proporciona una implementación completa del algoritmo DQN adaptada para el entorno Atari Breakout. Utiliza una red neuronal convolucional para aproximar valores Q, aplica repetición de experiencias para romper correlaciones entre observaciones secuenciales y emplea una red objetivo actualizada periódicamente para estabilizar el entrenamiento. El agente sigue una política epsilon-greedy para la exploración y puede entrenarse desde cero con entrada de píxeles en bruto. El repositorio incluye archivos de configuración, scripts de entrenamiento para monitorear el crecimiento de recompensas, scripts de evaluación para probar modelos entrenados y utilidades TensorBoard para visualizar métricas de entrenamiento. Los usuarios pueden ajustar hiperparámetros como tasa de aprendizaje, tamaño del buffer de repetición y tamaño de lotes para experimentar con diferentes configuraciones.