RL Collision Avoidance proporciona una canalización completa para desarrollar, entrenar y desplegar políticas de evitación de colisiones multi-robot. Ofrece una serie de escenarios de simulación compatibles con Gym donde los agentes aprenden navegación sin colisiones mediante algoritmos de aprendizaje por refuerzo. Los usuarios pueden personalizar parámetros del entorno, aprovechar la aceleración por GPU para entrenamientos más rápidos y exportar políticas aprendidas. El marco también se integra con ROS para pruebas en el mundo real, soporta modelos preentrenados para evaluación inmediata y cuenta con herramientas para visualizar trayectorias de agentes y métricas de rendimiento.

Una Copa de Fútbol IA en un entorno Java JADE es una demostración de código abierto que aprovecha el Marco de Desarrollo de Agentes de Java (JADE) para simular un torneo completo de fútbol. Modela cada jugador como un agente autónomo con comportamientos para movimiento, control del balón, pase y tiro, coordinándose mediante paso de mensajes para implementar estrategias. El simulador incluye árbitros y agentes entrenadores, aplica las reglas del juego y gestiona los brackets del torneo. Los desarrolladores pueden extender la toma de decisiones con reglas personalizadas o integrar módulos de aprendizaje automático. Este entorno ilustra la comunicación multiagente, trabajo en equipo y planificación de estrategias dinámicas en un escenario deportivo en tiempo real.

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.