CASAは、Robot Operating System（ROS）エコシステム上に構築されたモジュール式でプラグアンドプレイ可能な自律性フレームワークとして設計されています。各ロボットがローカルプランナーとビヘイビアツリーノードを動かし、共有のブラックボードに世界状態を公開する、分散型アーキテクチャを特徴とします。タスク割り当ては、ロボットの能力と利用可能性に基づいてミッションを割り当てるオークション方式のアルゴリズムによって処理されます。通信層は、マルチロボットネットワーク上の標準ROSメッセージを使用し、エージェント間を同期します。開発者はミッションパラメータのカスタマイズ、センサードライバの統合、ビヘイビアライブラリの拡張が可能です。CASAは、シナリオシミュレーション、リアルタイム監視、ロギングツールをサポートします。その拡張性により、研究チームは新しい協調アルゴリズムを試験し、無人地上車両や空中ドローンを含む多様なロボットプラットフォームへのシームレスな展開を実現します。

AgentRpiは、言語モデルと物理ハードウェアインターフェースを連携させることで、Raspberry PiをエッジAIエージェントハブへと変換します。センサー入力（温度、動き）、カメラ feeds、マイク音声を組み合わせて、設定されたLLMs（OpenAI GPTやローカルLlamaの派生版）を通じて文脈情報を処理し、自律的に計画と実行を行います。ユーザーはYAML設定やPythonスクリプトを用いて挙動を定義でき、警報のトリガー、GPIOピンの調整、画像収集、音声指示への応答などのタスクを実現します。プラグインベースのアーキテクチャにより、API統合やカスタムスキルの追加、Dockerデプロイもサポートします。低消費電力でプライバシーに配慮した環境に最適で、クラウドへの依存を避けて知的自動化シナリオをプロトタイピングできるのが特徴です。

AutoXは、自律型車両のためのAIシステムの開発を専門とし、リアルタイムの認識および意思決定機能を含んでいます。さまざまなセンサーからのデータを解釈する高度なアルゴリズムを統合しており、車両が複雑な環境をナビゲートできるようにします。AutoXは安全機能にも重点を置き、自律システムが交通法規を遵守しながら情報に基づいた決定を行えるようにします。乗客とフリートオペレーターの両方にとって、シームレスで信頼性が高く、ユーザーフレンドリーなソリューションを提供することにより、全体の運転体験を向上させることを目指しています。

組み込みBDIは完全なBDIライフサイクルエンジンを提供します：環境に関するエージェントの信念をモデル化し、進化する願望や目標を管理し、計画ライブラリから意図を選択し、リアルタイムで挙動を実行します。フレームワークには、信念ベースのストレージ、計画ライブラリの定義、イベントトリガー、およびメモリ制約のあるマイクロコントローラ向けの並行制御のモジュールが含まれます。シンプルなAPIにより、開発者は信念に注釈を付け、願望を指定し、コード内で計画を実装できます。スケジューラは優先度に基づく意図の実行を処理し、センサー、アクチュエータ、ネットワーク通信用のハードウェアインターフェースと連携します。これにより、自律的なIoTデバイスやモバイルロボット、産業用コントローラーに最適です。

AIエージェントのイド（Ida）は、機械学習アルゴリズムとデータ分析を利用して、掘削作業に関する実行可能なインサイトを提供します。センサーや現場報告など、さまざまなソースからの膨大なデータを処理することで、イドはパターンを特定し、掘削パラメータを最適化し、設備の故障を予測します。これにより、チームはデータに基づいた意思決定を行い、効率を改善し、コストを削減し、現場での安全性を高めることができます。

LuminarのAIエージェントは、高度なLiDAR技術と機械学習を活用して、車両の認識を向上させ、障害物を正確に特定し、安全な自動運転のための意思決定を改善します。これは、複雑な環境を効率的にナビゲートできるようにするために、リアルタイムデータ処理を提供するセンサー統合において重要な役割を果たします。この技術により、製造業者は業界の安全基準を満たしつつ、パフォーマンスを最適化した自律システムを展開することができます。

ROSに基づくマルチエージェント捜索救出システムは、ROSを利用して複数の自律エージェントを展開し、協調した捜索と救出を行うロボティクスフレームワークです。各エージェントは搭載センサーとROSトピックを使用し、リアルタイムのマッピング、障害物回避、ターゲット検出を行います。中央コーディネーターがエージェントの状況や環境のフィードバックに基づいてタスクを動的に割り当てます。このシステムはGazeboまたは実機ロボットで動作し、研究者や開発者がマルチロボット協調、通信プロトコル、適応的ミッション計画を現実的な条件下でテスト・改善できます。

multiagent-golangは、Goでマルチエージェントシステムを構築するための構造化されたアプローチを提供します。各エージェントに対し、環境を感知するセンサーと行動を起こすアクチュエータを搭載できるAgent抽象化を導入しています。エージェントはGoルーチンを用いて並行実行され、専用のメッセージングチャネルを通じて通信します。フレームワークには、イベント処理、エージェントのライフサイクル管理、ステート変化の追跡を行う環境シミュレーション層も含まれます。開発者は、エージェントの挙動やシミュレーションパラメータを簡単に拡張・カスタマイズでき、ロギングや分析用のモジュールも統合可能です。スケーラブルな並行シミュレーションを研究や試作に活用できます。

RoboCup Rescue Agent Simulationは、複数のAI駆動エージェントが協力して被害者を探し救助する都市災害環境をモデル化したオープンソースフレームワークです。ナビゲーション、マッピング、通信、センサー統合のインターフェースを提供し、ユーザーはカスタムエージェント戦略のスクリプト化、バッチ実験の実行、エージェントのパフォーマンス指標の可視化が可能です。シナリオ設定、ロギング、結果分析をサポートし、多エージェントシステムと災害対応アルゴリズムの研究促進につなげます。