Simple Playgrounds proporciona una plataforma modular para construir entornos interactivos en cuadrícula 2D donde los agentes pueden navegar laberintos, interactuar con objetos y completar tareas. Los usuarios definen la disposición del entorno, el comportamiento de los objetos y las funciones de recompensa mediante scripts YAML o Python sencillos. El renderizador integrado de Pygame ofrece visualización en tiempo real, mientras que una API basada en pasos garantiza una integración fluida con bibliotecas de aprendizaje por refuerzo como Stable Baselines3. Con soporte para configuraciones multiagente, detección de colisiones y parámetros físicos personalizables, Simple Playgrounds agiliza la creación de prototipos, benchmarking y demostraciones educativas de algoritmos de IA.

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.

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.

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.

SoccerAgent es un marco de IA especializado diseñado para desarrollar y entrenar agentes de fútbol autónomos usando técnicas avanzadas de aprendizaje por refuerzo multiagente (MARL). Simula partidos de fútbol realistas en entornos 2D o 3D, ofreciendo herramientas para definir funciones de recompensa, personalizar atributos de jugadores e implementar estrategias tácticas. Los usuarios pueden integrar algoritmos populares de RL (como PPO, DDPG y MADDPG) mediante módulos integrados, monitorear el progreso del entrenamiento a través de paneles de control y visualizar comportamientos de los agentes en tiempo real. El marco soporta entrenamiento basado en escenarios para ofensiva, defensa y protocolos de coordinación. Con una base de código extensible y documentación detallada, SoccerAgent capacita a investigadores y desarrolladores a analizar dinámicas de equipos y perfeccionar estrategias de juego basadas en IA para proyectos académicos y comerciales.

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.

A-Mem está diseñado para integrarse sin problemas con marcos de agentes de IA basados en Python, ofreciendo tres módulos de memoria distintos: memoria episódica para el contexto de cada episodio, memoria a corto plazo para acciones inmediatas pasadas, y memoria a largo plazo para acumular conocimientos con el tiempo. Los desarrolladores pueden personalizar la capacidad de memoria, las políticas de retención y los backends de serialización, como almacenamiento en memoria o Redis. La biblioteca incluye algoritmos de indexación eficientes para recuperar memorias relevantes basadas en similitud y ventanas de contexto. Al insertar los manejadores de memoria de A-Mem en el ciclo percepción-acción del agente, los usuarios pueden almacenar observaciones, acciones y resultados, y consultar experiencias pasadas para informar decisiones actuales. Este diseño modular soporta experimentación rápida en aprendizaje por refuerzo, IA conversacional, navegación robótica y otras tareas que requieren conciencia del contexto y razonamiento temporal.

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.

Acme es un marco basado en Python que simplifica el desarrollo y la evaluación de agentes de aprendizaje por refuerzo. Ofrece una colección de implementaciones predefinidas de agentes (por ejemplo, DQN, PPO, SAC), envoltorios de entornos, buffers de repetición y motores de ejecución distribuidos. Los investigadores pueden combinar componentes para prototipar nuevos algoritmos, monitorear métricas de entrenamiento con registro incorporado y aprovechar pipelines distribuidos escalables para experimentos a gran escala. Acme se integra con TensorFlow y JAX, soporta entornos personalizados mediante interfaces OpenAI Gym, y incluye utilidades para guardar, evaluar y configurar hiperparámetros.

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.

Ant_racer es una plataforma virtual de persecución-evitación multiagente que proporciona un entorno de juego para estudiar el aprendizaje por refuerzo multiagente. Construida sobre OpenAI Gym y Mujoco, permite a los usuarios simular interacciones entre múltiples agentes autónomos en tareas de persecución y evasión. La plataforma soporta la implementación y prueba de algoritmos de aprendizaje por refuerzo como DDPG en un entorno físicamente realista. Es útil para investigadores y desarrolladores interesados en comportamientos de IA multiagente en escenarios dinámicos.

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.