GenerativeAgentsCNは、スタンフォードのGenerative Agentsフレームワークを中国語に適応させたオープンソースのデジタルペルソナシミュレーションツールです。大規模言語モデルと長期記憶モジュール、反省ルーチン、プランナー論理を組み合わせ、コンテキストを理解し過去のやり取りを記憶し、自律的に次の行動を決定するエージェントを配置します。Jupyterノートブック、モジュール化されたPythonコンポーネント、包括的な中国語ドキュメントを備え、環境設定やエージェントの特徴定義、記憶パラメータのカスタマイズ方法を案内します。AI駆動のNPCの行動を探索したり、カスタマーサポートボットのプロトタイプを作成したり、エージェントの認知に関する学術研究を行ったりするのに利用できます。柔軟なAPIを使って、記憶アルゴリズムの拡張やカスタムLLMの統合、リアルタイムのインタラクションの可視化も可能です。

mario-aiプロジェクトは、神経進化を用いたSuper Mario Bros.の習得を目指すAIエージェント開発のための包括的なパイプラインを提供します。PythonベースのNEAT実装とOpenAI GymのSuperMario環境を統合し、ユーザーはカスタム適性基準、突然変異率、ネットワークトポロジーを定義できます。訓練中、フレームワークはニューラルネットワークの世代を評価し、高性能のゲノムを選択し、ゲームプレイとネットワーク進化のリアルタイム可視化を行います。また、訓練済みモデルの保存や読み込み、最優秀ゲノムのエクスポート、詳細なパフォーマンスログの生成もサポートします。研究者、教育者、趣味者はコードベースを他のゲーム環境に拡張し、進化戦略を実験し、異なるレベルでのAI学習進捗をベンチマークできます。

MultiAgentPuzzleSolverは、滑りパズル、ルービックキューブ、論理グリッドなどのパズルを解くために、独立したAIエージェントが協力して動作するモジュラー環境を提供します。エージェントは状態情報を共有し、サブタスクの割り当てを交渉し、多様なヒューリスティクスを適用して、シングルエージェントよりも効果的に解空間を探索します。開発者は新しいエージェントの挙動を追加したり、通信プロトコルをカスタマイズしたり、新しいパズル定義を追加したりできます。フレームワークには、リアルタイムのビジュアライゼーション、パフォーマンスメトリクスの収集、実験スクリプト作成のツールも含まれます。Python 3.8+、標準ライブラリ、一般的なMLツールキットと互換性があり、研究プロジェクトへのシームレスな統合をサポートします。

MultiAgentModelは、マルチエージェントシナリオのためのカスタム環境とエージェントクラスを定義する統一APIを提供します。観測空間と行動空間、報酬構造、通信チャネルを指定できます。PPO、DQN、A2Cなどの人気のRLアルゴリズムに標準サポートがあり、最小限の設定で訓練が可能です。リアルタイムの可視化ツールがエージェントのインタラクションとパフォーマンス指標を監視します。モジュール式のアーキテクチャにより、新しいアルゴリズムやカスタムモジュールの統合も容易です。柔軟な設定システムによるハイパーパラメータ調整、実験追跡用のログユーティリティ、シームレスなポータビリティのためのOpenAI Gym環境との互換性も含まれています。ユーザーは共有環境で協力したり、ログインされたセッションをリプレイして分析できます。

AgentSimJSは、JavaScriptで大規模なエージェントベースのモデルの作成と実行を簡素化するように設計されています。モジュール式のアーキテクチャにより、開発者は状態、センサー、意思決定関数、アクチュエータを持つエージェントを定義し、それらをグローバル変数でパラメータ化された動的な環境に統合できます。フレームワークは、離散時間ステップのシミュレーションを調整し、エージェント間のイベント駆動型メッセージングを管理し、相互作用データを記録します。視覚化モジュールは、HTML5 Canvasや外部ライブラリを使用したリアルタイムレンダリングをサポートし、プラグインを通じて統計ツールとの連携も可能です。AgentSimJSは、現代のウェブブラウザとNode.jsの両方で動作し、インタラクティブなWebアプリケーション、学術研究、教育ツール、群知能、集団ダイナミクス、分散AIの実験の迅速なプロトタイピングに適しています。