AgenticIR (Agentic Information Retrieval) proporciona una estructura modular donde los agentes basados en LLM planifican y ejecutan flujos de trabajo de IR de manera autónoma. Permite definir roles de agentes — como generador de consultas, recuperador de documentos y resumidor — que se ejecutan en secuencias personalizables. Los agentes pueden obtener texto en bruto, refinar consultas en base a resultados intermedios y fusionar pasajes extraídos en resúmenes concisos. La estructura soporta pipelines de múltiples pasos, incluyendo búsqueda web iterativa, ingestión de datos vía API y análisis de documentos locales. Los desarrolladores pueden ajustar los parámetros de los agentes, integrar diferentes LLMs y personalizar políticas de comportamiento. AgenticIR también ofrece registro de logs, manejo de errores y ejecución paralela de agentes para acelerar la recopilación de información a gran escala. Con una configuración de código mínima, investigadores e ingenieros pueden prototipar e implementar sistemas de recuperación autónoma.

La Simulación de Inspección Multi-Agente proporciona un marco completo para simular y entrenar múltiples agentes autónomos para realizar tareas de inspección en cooperación dentro de entornos Unity 3D. Se integra con el conjunto de herramientas Unity ML-Agents, ofreciendo escenas configurables con objetivos de inspección, funciones de recompensa ajustables y parámetros de comportamiento de los agentes. Los investigadores pueden crear entornos personalizados, definir el número de agentes y establecer planes de entrenamiento mediante APIs en Python. El paquete soporta sesiones de entrenamiento en paralelo, registro en TensorBoard y observaciones personalizables, incluyendo raycasts, feeds de cámaras y datos de posición. Al ajustar hiperparámetros y la complejidad del entorno, los usuarios pueden realizar benchmarks de algoritmos de aprendizaje por refuerzo en métricas de cobertura, eficiencia y coordinación. La base de código de código abierto fomenta extensiones para prototipado de robótica, investigación en IA cooperativa y demostraciones educativas en sistemas multi-agente.