GYM_XPLANE_MLは、X-PlaneフライトシミュレーターをOpenAI Gym環境としてラップし、スロットル、エレベーター、エルロン、ラダー操作を行動空間として公開し、高度、速度、姿勢などのフライトパラメータを観察として提供します。ユーザーはPythonでトレーニングワークフローを書き、事前定義されたシナリオを選択またはカスタマイズし、ウェイポイントや天候、航空機モデルを調整できます。低遅延通信、同期モードでのエピソード実行、パフォーマンスのログ記録、リアルタイムレンダリングをサポートし、高忠実度の飛行環境でのML駆動の自動操縦やRLアルゴリズムの繰り返し開発を可能にします。

MAPF_G2RLは、グラフ理論と深層強化学習を橋渡しし、マルチエージェント経路探索（MAPF）問題に取り組むオープンソースの研究フレームワークです。ノードとエッジをベクトル表現にエンコードし、空間的かつ衝突認識型の報酬関数を定義し、DQN、PPO、A2CなどのさまざまなRLアルゴリズムをサポートします。このフレームワークは、ランダムなグラフを生成したり、実世界の地図をインポートしてシナリオを自動作成し、複数のエージェントのポリシーを最適化する訓練ループを調整します。学習後、エージェントはシミュレーション環境で評価され、経路の最適性、所要時間、成功率を測定します。そのモジュール化設計により、研究者はコアコンポーネントを拡張し、新しいMARL手法を統合し、従来のソルバーと比較評価することができます。