Simple Playgroundsは、エージェントが迷路を探索し、オブジェクトと相互作用し、タスクを完了できるインタラクティブな2Dグリッド環境の構築に役立つモジュール式プラットフォームです。ユーザーは、YAMLまたはPythonスクリプトを使って環境レイアウト、オブジェクトの挙動、報酬関数を定義します。組み込みのPygameレンダラーにより、リアルタイムの視覚化が可能になり、ステップベースのAPIにより、Stable Baselines3などのRLライブラリとシームレスに統合できます。マルチエージェントの設定、衝突検出、カスタマイズ可能な物理パラメータをサポートし、プロトタイピング、ベンチマーキング、AIアルゴリズムの教育的デモンストレーションを効率化します。

RL-AgentsはPyTorch上に構築された研究用の強化学習フレームワークであり、値関数ベース、方策ベース、アクター-クリティック手法の人気アルゴリズムをまとめて搭載しています。本ライブラリは、モジュール化されたエージェントAPI、GPUアクセラレーション、OpenAI Gymとのシームレスな連携、ビルドインのロギング・可視化ツールを備えています。ハイパーパラメータの設定やトレーニングループのカスタマイズ、パフォーマンスのベンチマークも数行のコードで実行可能で、学術研究、プロトタイピング、産業界の実験に最適です。

RL Collision Avoidanceは、多ロボットの衝突回避ポリシーを開発、訓練、展開するための完全なパイプラインを提供します。エージェントが強化学習アルゴリズムを用いて衝突のないナビゲーションを学習できるGym互換のシミュレーションシナリオセットを備えています。環境パラメータをカスタマイズし、GPU加速で訓練速度を向上させ、学習済みポリシーをエクスポート可能です。さらにROSと統合して実世界でのテストが可能であり、即時評価用の事前訓練モデルもサポートし、エージェントの軌跡や性能指標を可視化するツールも備えています。

デッドシンプルセルフラーニングは、開発者にPythonで強化学習エージェントを作成およびトレーニングするための非常にシンプルなアプローチを提供します。このフレームワークは、環境ラッパー、ポリシーモジュール、経験バッファなどのコアRLコンポーネントを簡潔なインターフェースに抽象化します。ユーザーは、環境の初期化、PyTorchやTensorFlowのバックエンドを使用したカスタムポリシーの定義、およびロギングやチェックポイントを備えたトレーニングループの実行を迅速に行うことができます。このライブラリは、オンポリシーとオフポリシーのアルゴリズムをサポートしており、Q学習、ポリシー勾配、アクタークリティック手法の柔軟な実験を可能にします。ボイラープレートコードを削減することで、デッドシンプルセルフラーニングは実践者、教育者、研究者が最小限の設定でアルゴリズムのプロトタイピング、仮説の検証、エージェントのパフォーマンスの可視化を容易にします。そのモジュール式設計は、既存のMLスタックやカスタム環境との統合も促進します。

SoccerAgentは、最先端のマルチエージェント強化学習（MARL）技術を用いて自律型サッカーエージェントを開発・訓練するための専門的なAIフレームワークです。これにより、2Dまたは3D環境で現実的なサッカーマッチをシミュレートし、報酬関数の定義やプレイヤー属性のカスタマイズ、戦術の実装が可能です。ユーザはPPO、DDPG、MADDPGなどの一般的なRLアルゴリズムを内蔵モジュール経由で統合でき、ダッシュボードを通じて訓練の進行を監視し、リアルタイムでエージェントの挙動を可視化できます。このフレームワークは攻撃、防御、調整プロトコルのためのシナリオベースの訓練をサポートします。拡張性のあるコードベースと詳細なドキュメントにより、SoccerAgentは研究者や開発者がチームダイナミクスを分析し、AI駆動のプレイ戦略を改良できるようにします。

このリポジトリは、StarCraft IIのゲームプレイ研究のためのエンドツーエンドの強化学習フレームワークを提供します。メインエージェントはProximal Policy Optimization（PPO）を使用し、PySC2環境からの観察データを解釈して、正確なゲーム内アクションを出力します。開発者はニューラルネットワークの層、報酬の調整、訓練スケジュールをカスタマイズして性能向上を図れます。システムは、サンプル収集の効率化のためのマルチプロセッシング、訓練曲線の監視用ロギングユーティリティ、スクリプト化やビルトインAI対戦用の評価スクリプトをサポートします。コードはPythonで書かれ、TensorFlowを用いてモデルの定義と最適化を行います。ユーザーは、カスタム報酬関数、状態前処理、ネットワークアーキテクチャなどのコンポーネントを拡張可能です。

TexasHoldemAgentは、Pythonを基盤としたモジュール式環境を提供し、HEAD-UPリミットテキサスホールデムポーカーのAIプレイヤーを訓練、評価、展開します。カスタムのシミュレーションエンジンとDQNなどの深層強化学習アルゴリズムを統合し、反復的なポリシー改善を行います。主な機能には、ハンド状態のエンコード、アクションスペースの定義（フォールド、コール、レイズ）、報酬設計、リアルタイムでの意思決定評価があります。ユーザーは学習パラメータをカスタマイズし、CPU/GPUの高速化を利用し、訓練進行状況をモニターし、訓練済みモデルを読み込んだり保存したりできます。フレームワークはバッチシミュレーションをサポートし、さまざまな戦略のテストやパフォーマンスメトリクスの生成、勝率の可視化を可能にし、研究者、開発者、ポーカー愛好家のAI駆動のゲームプレイ戦略の実験を支援します。

Text-to-Rewardは、テキストベースのタスク記述やフィードバックをRLエージェント用のスカラー報酬値にマッピングするモデルを訓練するパイプラインを提供します。トランスフォーマーベースのアーキテクチャと収集された人間の優先データによる微調整を利用し、自然言語命令を報酬信号として解釈することを自動的に学習します。ユーザーはテキストプロンプトを使って任意のタスクを定義し、モデルを訓練し、学習した報酬関数を任意のRLアルゴリズムに取り入れることが可能です。このアプローチは手動の報酬調整をなくし、サンプル効率を向上させ、エージェントが複雑なマルチステップ指示を模擬または実環境で実行できるようにします。

uAgentsは、開発者が自律的で分散型のAIエージェントを構築するためのモジュール式のJavaScriptフレームワークです。これらのエージェントは、ピアを発見し、メッセージを交換し、タスク上で協力し、学習を通じて適応します。エージェントはlibp2pベースのゴシッププロトコルを用いて通信し、オンチェーンのレジストリを通じて能力を登録し、スマートコントラクトを用いてサービスレベル合意を交渉します。コアライブラリは、エージェントのライフサイクルイベント、メッセージルーティング、強化学習や市場駆動のタスク割り当てなどの拡張可能な動作を処理します。カスタマイズ可能なプラグインにより、uAgentsはFetch.aiの台帳、外部API、オラクルネットワークと連携し、リアルワールドのアクション、データ取得、分散環境での意思決定を可能にします。

Vanilla Agentsは、モジュール化され拡張可能なコア強化学習エージェントの実装を提供する軽量なPyTorchベースのフレームワークです。DQN、ダブルDQN、PPO、A2Cなどのアルゴリズムをサポートし、OpenAI Gymと互換性のあるプラグイン可能な環境ラッパーを備えています。ユーザーはハイパーパラメータの設定、トレーニングメトリクスのログ記録、チェックポイントの保存、学習曲線の可視化を行えます。コードベースは明確に構成されており、研究のプロトタイピング、教育用途、新しいアイデアのベンチマークに最適です。

VMASは、深層強化学習を用いたマルチエージェントシステムの構築と訓練のための総合ツールキットです。GPUを用いた複数の環境インスタンスの並列シミュレーションをサポートし、高スループットのデータ収集とスケーラブルな訓練を可能にします。PPO、MADDPG、QMIX、COMAなどの人気MARLアルゴリズムの実装と、迅速なプロトタイピングのためのモジュール式のポリシーと環境インターフェースを含みます。フレームワークは、分散実行を伴う集中訓練（CTDE）を促進し、カスタマイズ可能な報酬調整、観測空間、ログ記録やビジュアライゼーションのためのコールバックフックを提供します。そのモジュール設計により、PyTorchモデルや外部環境とのシームレスな統合を実現し、ロボット工学、交通制御、資源配分、ゲームAIシナリオなどにおける協力、競争、混合動機のタスクの研究に最適です。

YGO-Agentフレームワークは、研究者や愛好家が強化学習を用いてYu-Gi-OhカードゲームをプレイするAIボットを開発できるようにします。これにより、YGOPROゲームシミュレータをOpenAI Gym互換の環境にラップし、手札、場、ライフポイントなどの状態表現、および召喚、魔法/罠の発動、攻撃などのアクション表現を定義します。報酬は勝敗結果、与えたダメージ、ゲームの進行に基づきます。エージェントのアーキテクチャはPyTorchを使用してDQNを実装し、カスタムネットワーク構造、経験リプレイ、イプシロン・グリーディ探索も選択可能です。ログ記録モジュールはトレーニング曲線、勝率、詳細な手のログを記録し、分析に役立てます。フレームワークはモジュール式で、報酬関数やアクション空間などのコンポーネントを置き換え・拡張できるようになっています。

A-Memは、PythonベースのAIエージェントフレームワークとシームレスに連携するように設計されており、次の３つの異なるメモリモジュールを提供します：エピソードごとのコンテキストを保持するエピソードメモリ、即時の過去の行動のための短期メモリ、時間とともに知識を蓄積する長期メモリ。開発者は、容量、保持ポリシー、シリアライズバックエンド（メモリやRedis）をカスタマイズできます。ライブラリには、類似性とコンテキストウィンドウに基づいて関連性の高い記憶を高速に検索する効率的なインデキシングアルゴリズムが含まれています。これらのメモリハンドラーをエージェントの知覚-アクションループに挿入することで、観測、行動、結果を保存し、過去の経験を照会して現在の意思決定を支援できます。このモジュール化された設計は、強化学習、対話型AI、ロボットナビゲーションなど、コンテキスト認識や時間的推論を必要とするタスクでの迅速な実験を可能にします。

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。

AcmeはPythonベースのフレームワークで、強化学習エージェントの開発と評価を簡素化します。事前構築済みのエージェント実装（例：DQN、PPO、SAC）、環境ラッパー、リプレイバッファ、分散実行エンジンを提供します。研究者はこれらのコンポーネントを組み合わせて新しいアルゴリズムのプロトタイピングを行い、内蔵のロギングを利用してトレーニングメトリクスを監視し、大規模な実験にスケーラブルな分散パイプラインを活用できます。AcmeはTensorFlowおよびJAXと連携し、OpenAI Gymインターフェースを通じたカスタム環境のサポート、チェックポイント作成、評価、ハイパーパラメータ設定のユーティリティも含みます。

AIエージェント型翻訳は、機械翻訳の研究と開発向けのオープンソースフレームワークです。生成、評価、改良の3つの主要エージェントを調整し、共同で翻訳の作成、評価、改善を行います。PyTorchとトランスフォーマーモデルに基づき、教師あり事前学習、強化学習による最適化、および設定可能なエージェントポリシーをサポートします。標準データセットでベンチマークを行い、BLEUスコアを追跡し、カスタムエージェントや報酬関数を追加してエージェント間協力を研究できます。

AI Hedge Fund 5zuは、複数の資産クラスのシミュレーションに対応したカスタマイズ可能な環境、強化学習ベースのエージェントモジュール、バックテストツール、リアルタイムの市場データ統合、リスク管理ツールを提供します。ユーザーはデータソースを設定し、報酬関数を定義し、履歴データでエージェントを訓練し、主要な金融指標に基づいてパフォーマンスを評価できます。モジュラー戦略開発をサポートし、本番環境にデプロイ可能なライブブローカーAPIへ拡張可能です。

AIエージェント for じゃんけんは、ランダムプレイ、ルールベースのパターン認識、強化学習（Q学習）を用いて、伝統的なじゃんけんゲームでAI戦略を構築、訓練、評価する方法を示すオープンソースのPythonプロジェクトです。モジュール式のエージェントクラス、設定可能なゲーム実行環境、パフォーマンスのログ記録と視覚化ツールを提供します。ユーザーはエージェントを簡単に差し替え、学習パラメータを調整し、対戦シナリオにおけるAIの挙動を探索できます。

Ant_racer は、マルチエージェント強化学習の研究のためのゲーム環境を提供する仮想マルチエージェント追跡回避プラットフォームです。OpenAI Gym と Mujoco 上に構築されており、追跡と回避タスクにおいて複数の自律エージェント間の相互作用をシミュレートできます。このプラットフォームは、物理的にリアルな環境で DDPG などの強化学習アルゴリズムの実装とテストをサポートします。動的シナリオにおける AI マルチエージェントの行動に関心のある研究者や開発者に役立ちます。

ビアゲーム環境は、4段階（小売業者、卸売業者、ディストリビューター、メーカー）のビールサプライチェーンを離散時間でシミュレートし、OpenAI Gymインターフェースを公開しています。エージェントは在庫、パイプライン在庫、着荷予定の注文を観測し、その後、注文量を出力します。環境は、在庫保持とバックオーダーにかかるコストを1ステップごとに計算し、Demand分布やリードタイムのカスタマイズをサポートします。Stable Baselines3などの人気RLライブラリとシームレスに連携し、研究者や教育者がサプライチェーンの最適化タスクでアルゴリズムをベンチマーク・訓練できるようにします。