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。

EthicalEvalMASは、正義、自律性、プライバシー、透明性、善行などの重要な倫理的次元において、多エージェントシステムを評価するためのモジュール式環境を提供します。ユーザーはカスタムシナリオを生成したり、ビルトインのテンプレートを利用したり、独自のメトリクスを定義したり、自動評価スクリプトを実行したり、ビルトインのレポートツールで結果を可視化したりできます。その拡張可能なアーキテクチャは、既存のMASプラットフォームとの統合をサポートし、異なるエージェントの行動に対して再現性のある倫理的ベンチマークを促進します。