OpenNARS repose sur les principes de la Logique Non-Axiomatique, permettant au système d'effectuer déduction, induction et abduction en utilisant des paires de valeurs de vérité qui reflètent l'incertitude. Il maintient une mémoire basée sur l'expérience des déclarations et recrute dynamiquement des règles d'inférence en fonction des ressources disponibles, garantissant des performances robustes en temps réel. Le mécanisme de révision des croyances de l'engin met à jour la confiance à mesure que de nouvelles informations arrivent, améliorant la précision des décisions. Les développeurs peuvent intégrer OpenNARS via les SDK fournis en Java, C++, Python, JavaScript, Dart ou Go, et le déployer sur des postes de travail, serveurs, appareils mobiles ou systèmes embarqués. Les applications typiques incluent la robotique cognitive, les agents autonomes et les tâches complexes de résolution de problèmes où l'apprentissage adaptatif et la gestion efficace des connaissances sont essentiels.

ASP-DALI fournit une plateforme unifiée pour définir et exécuter des agents intelligents basés sur la logique. Les développeurs écrivent des règles ASP pour représenter la connaissance et les objectifs de l’agent, tandis que les constructions DALI définissent les réactions aux événements et l’exécution des actions. À l’exécution, un solveur ASP calcule des ensembles de réponses qui guident la prise de décision de l’agent, lui permettant de planifier, de réagir aux événements entrants et d’ajuster ses croyances de manière dynamique. Le cadre supporte des bases de connaissances modulaires, facilitant les mises à jour incrémentielles et la séparation claire entre règles déclaratives et comportements réactifs. ASP-DALI est implémenté en Prolog avec des interfaces vers des solveurs ASP populaires, simplifiant l’intégration et le déploiement en recherche et prototypes.