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.

MultiAgentSystems está diseñado para simplificar el proceso de construir y evaluar aplicaciones de aprendizaje por refuerzo multiagente (MARL). La plataforma incluye implementaciones de algoritmos de vanguardia como MADDPG, QMIX, VDN, además de entrenamiento centralizado con ejecución descentralizada. Incluye envoltorios modulares de entornos compatibles con OpenAI Gym, protocolos de comunicación para interacción entre agentes y utilidades de registro para rastrear métricas como la forma del premio y tasas de convergencia. Los investigadores pueden personalizar arquitecturas de agentes, ajustar hiperparámetros y simular escenarios como navegación cooperativa, asignación de recursos y juegos adversarios. Con soporte integrado para PyTorch, aceleración GPU e integración con TensorBoard, MultiAgentSystems acelera la experimentación y evaluación comparativa en dominios multiagente colaborativos y competitivos.

Shepherding es un marco de simulación de código abierto diseñado para investigadores y desarrolladores de aprendizaje por refuerzo para estudiar e implementar tareas de pastoreo con múltiples agentes. Proporciona un entorno compatible con Gym donde los agentes pueden aprender a realizar comportamientos como rodear, recopilar y dispersar grupos objetivo en espacios continuos o discretos. El marco incluye funciones modulares de configuración de recompensas, parametrización del entorno y utilidades de registro para monitorear el rendimiento del entrenamiento. Los usuarios pueden definir obstáculos, poblaciones dinámicas de agentes y políticas personalizadas usando TensorFlow o PyTorch. Los scripts de visualización generan gráficos de trayectorias y grabaciones de videos de interacciones de agentes. La arquitectura modular de Shepherding permite una integración sin problemas con bibliotecas RL existentes, permitiendo experimentos reproducibles, benchmarking de estrategias de coordinación novedosas y desarrollo rápido de soluciones de pastoreo basadas en IA.