AutoDRIVE Cooperative MARLは、自律走行タスクのために協調型マルチエージェント強化学習（MARL）ポリシーを訓練・展開するためのオープンソースフレームワークです。交差点、高速道路のプラトゥーニング、合流シナリオなどの交通シナリオをモデル化するために、リアルなシミュレータと連携します。このフレームワークは、中心型訓練と分散型実行を実装し、交通の効率と安全性を最大化する共有ポリシーを学習することを可能にします。ユーザーは環境パラメータを設定し、既存のMARLアルゴリズムを選択し、訓練の進行状況を可視化し、エージェントの協調性能をベンチマークできます。

このスタータープロジェクトは、AIエージェント開発のために事前に設定されたFastAPIアプリケーションを提供します。リクエスト/レスポンスの検証にPydanticを使用し、OpenAI APIキーの環境ベースの設定とモジュール式エンドポイントのスキャフォールディングを備えています。組み込みの機能にはSwagger UIのドキュメント、CORS対応、構造化ロギングが含まれ、チームがボイラープレートのオーバーヘッドなしで迅速にプロトタイプと展開を行えるようにします。開発者は単にPydanticモデルとエージェント関数を定義するだけで、運用レベルのAPIサーバーを作成できます。

AIエージェントTerraformモジュールは、AIエージェントのバックエンドのエンドツーエンドのプロビジョニングを自動化する再利用可能なTerraform構成を提供します。AWS VPC、最小権限ポリシーを持つIAMロール、OpenAIまたはカスタムモデルAPIに接続されたLambda関数、APIゲートウェイRESTインターフェース、およびワークフローの調整のためのオプションのStep Functionsを作成します。ユーザーは環境変数、スケーリング設定、ロギング、監視をカスタマイズできます。モジュールは複雑なクラウドセットアップをシンプルな入力に抽象化し、会話型AIエージェント、タスク自動化、またはデータ処理ボットを数分で迅速かつ一貫性を持って安全に展開できるようにします。

Cooperative Search Environmentは、離散格子空間と連続空間の両方で協力検索タスクに最適化された柔軟でgym互換のマルチエージェント強化学習環境を提供します。エージェントは部分観測の下で動作し、カスタマイズ可能な通信トポロジーに基づいて情報を共有できます。フレームワークは、探索と救助、動的ターゲット追跡、協調マッピングなどの事前定義されたシナリオをサポートし、カスタム環境や報酬構造を定義するためのAPIを備えています。Stable Baselines3やRay RLlibなどの人気RLライブラリとシームレスに統合され、性能分析用のロギングユーティリティやリアルタイム監視用のビジュアルツールも含まれます。研究者は、格子のサイズ、エージェントの数、センサー範囲、報酬共有メカニズムを調整して、協調戦略を評価し、新しいアルゴリズムを効果的にベンチマークできます。