AgenticIR（Agentic Information Retrieval）は、LLMを搭載したエージェントが自主的にIRワークフローを計画・実行できるモジュール式のフレームワークです。クエリ生成、ドキュメントリトリーバー、サマライザーなどのエージェント役割を定義し、カスタマイズ可能なシーケンスで動作させられます。エージェントは生のテキストを取得し、中間結果に基づいてクエリを改善し、抽出したパッセージを簡潔な要約にまとめることも可能です。フレームワークは、反復ウェブ検索、APIを用いたデータ取り込み、ローカルドキュメントのパースなど、多段階のパイプラインをサポートします。開発者はエージェントのパラメータ調整、異なるLLMの差し込み、動作方針の微調整も行えます。AgenticIRはまた、ログ記録、エラー処理、大規模な情報収集を高速化するための並列エージェント実行も提供します。最小限のコード設定で、研究者やエンジニアは自主的な検索システムの試作と展開が可能です。

マルチエージェント検査シミュレーションは、Unity 3D環境内で複数の自律エージェントを協力して検査タスクを実行するための包括的なフレームワークを提供します。これには、検査ターゲット、調整可能な報酬関数、エージェントの動作パラメータを備えたシーンとの連携機能が含まれます。研究者は、Python APIを利用してカスタム環境のスクリプト作成、エージェント数の定義、訓練カリキュラムの設定が可能です。さらに、並列訓練セッション、TensorBoardによるログ記録、レイキャスト、カメラ映像、位置情報を含むカスタマイズ可能な観測機能もサポートしています。ハイパーパラメータや環境の複雑さを調整することで、カバレッジ、効率性、協調性のメトリクス上で強化学習アルゴリズムのベンチマーキングが可能です。オープンソースのコードベースは、ロボット工学の試作、協調AIの研究、多エージェントシステムの教育デモンストレーションへの拡張を促進します。