このリポジトリは、マルチエージェントシステムコンポーネントと分散AIコーディネーション技術の包括的なコレクションをまとめたものです。合意アルゴリズム、契約ネット交渉プロトコル、オークション型タスク割り当て、連合形成戦略、インタエージェント通信フレームワークを実装しています。ユーザーは、内蔵のシミュレーション環境を活用して、様々なネットワークトポロジー、遅延シナリオ、故障モード下でのエージェントの挙動をモデル化・テスト可能です。モジュール化設計により、ロボット群、IoTデバイスコラボレーション、スマートグリッド、分散意思決定システムなどのアプリケーションにおいて、開発者や研究者が個々のコーディネーションモジュールを統合、拡張、カスタマイズできます。

multiagent_envsは、マルチエージェント強化学習の研究開発向けに設計されたモジュール式のPython環境群です。協調ナビゲーション、捕食者-獲物、社会的ジレンマ、競争アリーナなどのシナリオを含みます。各環境ではエージェント数や観測特徴、報酬関数、衝突ダイナミクスを設定可能です。フレームワークはStable BaselinesやRLlibなどの人気RLライブラリとシームレスに統合されており、ベクトル化された学習ループ、並列実行、ログ記録が容易です。既存シナリオの拡張や新規作成もAPIを通じて容易に行え、MADDPG、QMIX、PPOなどのアルゴリズムを用いた実験を一貫した再現性のある環境で加速します。

SeeActは、観察されたシーンに基づいてサブゴールを生成する大規模言語モデルによる計画モジュールと、サブゴールを環境固有のアクションに翻訳する実行モジュールの2段階パイプラインで視覚と言語のエージェントを強化するように設計されています。認識バックボーンは、画像やシミュレーションからオブジェクトとシーンの特徴を抽出します。モジュール式のアーキテクチャにより、計画者や認識ネットワークの交換が容易になり、AI2-THOR、Habitat、およびカスタム環境での評価をサポートします。SeeActは、エンドツーエンドのタスク分解、グラウンディング、実行を提供することで、対話型体験AIの研究を促進します。