Multi Agent Simulation offre une API flexible pour définir des classes d'agents avec des capteurs, actionneurs et logiques de décision personnalisés. Les utilisateurs configurent des environnements avec des obstacles, des ressources et des protocoles de communication, puis exécutent des boucles de simulation en étapes ou en temps réel. La journalisation intégrée, la planification d'événements et l'intégration avec Matplotlib aident à suivre les états des agents et à visualiser les résultats. La conception modulaire permet une extension facile avec de nouveaux comportements, environnements et optimisations de performance, ce qui en fait une solution idéale pour la recherche académique, l'éducation et le prototypage de scénarios multi-agents.

RinSim offre un environnement de simulation modulaire axé sur la modélisation de scénarios logistiques dynamiques avec plusieurs agents autonomes. Les utilisateurs peuvent définir des réseaux routiers via des structures de graphes, configurer des flottes de véhicules, y compris des modèles électriques avec des contraintes de batterie, et simuler des arrivées stochastiques de demandes pour des tâches de collecte et de livraison. L'architecture à événements discrets garantit un timing précis et une gestion des événements, tandis que des algorithmes de routage intégrés et des comportements agents personnalisables permettent des expérimentations approfondies. RinSim supporte des métriques de sortie telles que le temps de trajet, la consommation d'énergie et le niveau de service, ainsi que des modules de visualisation pour l'analyse en temps réel et post-simulation. Sa conception extensible permet l'intégration d'algorithmes personnalisés, la montée en charge sur de grandes flottes, et des workflows de recherche reproductibles indispensables pour l'optimisation des stratégies de mobilité en milieu académique et industriel.

Summative Info Researcher Agents propose un cadre modulaire d’agents pilotés par IA conçus pour effectuer des tâches de recherche de bout en bout. Il automatise la recherche web, le scraping de contenu, l’extraction de données pertinentes et synthétise les résultats en résumés clairs et structurés. Basé sur des LLM populaires et extensible via des plugins, le projet permet aux utilisateurs de définir des workflows à plusieurs étapes, chaîner des agents et ajuster les paramètres pour des requêtes spécifiques au domaine. Son architecture flexible prend en charge l’intégration avec des API, des connecteurs de bases de données et des systèmes de planification pour répondre aux besoins académiques, commerciaux ou personnels.