AIpacman offre une boîte à outils Python complète pour développer, visualiser et benchmarker des agents IA dans l'environnement classique de Pac-Man. Il inclut des implémentations d'algorithmes de recherche (DFS, BFS, A*, UCS), techniques adverses (Minimax, Alpha-Beta, Expectimax) et méthodes d'apprentissage par renforcement (Q-Learning). Avec des configurations de labyrinthes flexibles, des métriques de performance et une interface CLI, les utilisateurs peuvent facilement étendre les agents, analyser les stratégies et acquérir une expérience pratique en IA.
AIpacman offre une boîte à outils Python complète pour développer, visualiser et benchmarker des agents IA dans l'environnement classique de Pac-Man. Il inclut des implémentations d'algorithmes de recherche (DFS, BFS, A*, UCS), techniques adverses (Minimax, Alpha-Beta, Expectimax) et méthodes d'apprentissage par renforcement (Q-Learning). Avec des configurations de labyrinthes flexibles, des métriques de performance et une interface CLI, les utilisateurs peuvent facilement étendre les agents, analyser les stratégies et acquérir une expérience pratique en IA.
AIpacman est un projet Python open-source simulant l'environnement de jeu Pac-Man pour des expériences en IA. Les utilisateurs peuvent choisir parmi des agents intégrés ou en créer de nouveaux avec des algorithmes de recherche comme DFS, BFS, A*, UCS ; des méthodes adverses telles que Minimax avec élagage Alpha-Beta et Expectimax ; ou des techniques d'apprentissage par renforcement comme Q-Learning. Le framework offre des labyrinthes configurables, un journal de performance, une visualisation des décisions des agents, et une interface en ligne de commande pour jouer des matchs et comparer les scores. Il est conçu pour les cours, benchmarks de recherche et projets amateurs en IA et développement de jeux.
Un agent d'apprentissage par renforcement en source ouverte utilisant PPO pour entraîner et jouer à StarCraft II via l'environnement PySC2 de DeepMind.
BomberManAI est un agent IA basé sur Python qui navigue et combat de manière autonome dans les environnements de jeu Bomberman en utilisant des algorithmes de recherche.
SoccerAgent utilise l'apprentissage par renforcement multi-agent pour entraîner des joueurs IA pour des simulations de football réalistes et l'optimisation stratégique.
Une plateforme open-source d'apprentissage par renforcement multi-agent permettant un contrôle de niveau brut et la coordination dans StarCraft II via PySC2.
PyGame Learning Environment fournit une collection d'environnements RL basés sur Pygame pour entraîner et évaluer des agents IA dans des jeux classiques.
BotPlayers est un framework open-source permettant la création, le test et le déploiement d'agents de jeu d'IA avec prise en charge de l'apprentissage par renforcement.
Un agent IA qui joue à Pentago Swap en évaluant les états du plateau et en sélectionnant les placements optimaux en utilisant la recherche Monte Carlo dans l'arbre.