Fetch.ai est une plateforme open-source et un kit de développement logiciel (SDK) conçu pour construire des agents autonomes représentant des jumeaux numériques sur un réseau décentralisé. Il fournit un SDK pour Python et Rust, un Open Economic Framework (OEF) pour la découverte entre pairs, et une intégration transparente avec son registre pour des transactions sécurisées. Les développeurs peuvent définir des compétences d'agents personnalisées, comme la formation de marché, la fourniture de données ou l’enchère sur des tâches, puis les déployer sur des réseaux de test ou principaux. Les agents Fetch.ai communiquent, négocient et exécutent de manière autonome des contrats intelligents, permettant une coordination multi-agent puissante pour les chaînes d'approvisionnement, les écosystèmes IoT, les services de mobilité, les réseaux énergétiques et plus encore.

Goptimise est une plateforme sophistiquée basée sur le cloud, conçue pour aider les entreprises à contrôler et optimiser leurs actifs énergétiques. En utilisant des analyses avancées et des insights basés sur les données, la plateforme permet aux entreprises de rationaliser leur consommation d'énergie, réduisant ainsi les coûts et maximisant les marges bénéficiaires. Grâce à des fonctionnalités telles que le suivi en temps réel et le reporting automatisé, Goptimise offre des solutions complètes adaptées aux besoins uniques de différentes industries.

JADE-DR-VPP est un cadre Java open-source qui implémente un système multi-agents pour la réponse à la demande (DR) dans les centrales électriques virtuelles (VPP). Chaque agent représente une charge ou une unité de génération flexible, communiquant via la messagerie JADE. Le système orchestre les événements DR, planifie les ajustements de charge et agrège les ressources pour répondre aux signaux du réseau. Les utilisateurs peuvent configurer le comportement des agents, exécuter des simulations à grande échelle et analyser les métriques de performance pour les stratégies de gestion de l'énergie.

Best Bike Split est un logiciel sophistiqué conçu pour aider les cyclistes et les triathlètes à optimiser leurs performances et à atteindre leurs objectifs de course. En utilisant des algorithmes avancés et un moteur physique robuste, il prend en compte les données de puissance, les informations sur le parcours et les conditions du jour de la course pour prédire les performances de course et créer des plans de puissance personnalisés. Les utilisateurs peuvent simuler les conditions de course, planifier des objectifs de puissance optimaux, analyser les performances et ajuster leurs stratégies en conséquence. Que vous soyez débutant, entraîneur ou professionnel expérimenté, Best Bike Split fournit les outils nécessaires pour un avantage compétitif.

Toyota Woven City est un projet visionnaire qui intègre des technologies IA de pointe dans un environnement urbain entièrement connecté. Ce projet vise à optimiser la vie urbaine en se concentrant sur des solutions de mobilité intelligente, une gestion efficace de l'énergie et une intégration transparente des systèmes automatisés. Les agents IA dans Woven City améliorent les systèmes de transport, facilitent les services automatisés et surveillent la consommation d'énergie, offrant aux résidents une expérience de vie futuriste et durable.

ADHD Focus est un planificateur alimenté par IA conçu pour aider les personnes avec ADHD à gérer leurs tâches plus efficacement. En transformant des listes de tâches écrasantes en plans d'action, en fournissant une relecture automatique et en offrant des fonctionnalités de planification intelligentes, ADHD Focus simplifie vos routines quotidiennes. Avec des outils de concentration avancés et des systèmes intuitifs, ADHD Focus décompose les grands projets en morceaux digestes, permettant aux utilisateurs de prendre le contrôle de leur attention et de gérer leurs niveaux d'énergie efficacement.

CityLearn fournit une plateforme de simulation modulaire pour la recherche en gestion de l'énergie utilisant l'apprentissage par renforcement. Les utilisateurs peuvent définir des regroupements de bâtiments multi-zones, configurer des systèmes HVAC, des unités de stockage et des sources renouvelables, puis entraîner des agents RL contre des événements de réponse à la demande. L'environnement expose des observations d'état telles que températures, profils de charge et prix de l'énergie, tandis que les actions contrôlent les points de consigne et la dispatch du stockage. Une API de récompense flexible permet des métriques personnalisées—comme les économies de coûts ou la réduction des émissions—et les outils de journalisation supports l'analyse des performances. CityLearn est idéal pour le benchmarking, l'apprentissage par curriculum, et le développement de nouvelles stratégies de contrôle dans un cadre de recherche reproductible.