Jason-RL ajoute une couche d'apprentissage par renforcement au cadre multi-agent Jason, permettant aux agents AgentSpeak BDI d'apprendre des politiques de sélection d'actions via le feedback de récompense. Elle met en œuvre les algorithmes Q-learning et SARSA, supporte la configuration des paramètres d'apprentissage (taux d'apprentissage, facteur d'actualisation, stratégie d'exploration) et enregistre les métriques d'entraînement. En définissant des fonctions de récompense dans les plans d'agents et en exécutant des simulations, les développeurs peuvent observer l'amélioration des prises de décision des agents au fil du temps, s'adaptant à des environnements changeants sans coder manuellement les politiques.

Joypanner est un guide AI innovant conçu pour soutenir les enfants dans leur parcours d'apprentissage. Au lieu de fournir des réponses immédiates, il pousse les enfants à penser de manière critique à travers des questions de suivi. À la fin de l'interaction, il recommande des vidéos et des livres sélectionnés pour compléter leur apprentissage. Cette plateforme est un excellent outil pour les parents et les éducateurs souhaitant favoriser un apprentissage indépendant et motivé par la curiosité chez les enfants.