AutoX는 자율주행 차량을 위한 AI 시스템 개발을 전문으로 하며, 실시간 인식 및 의사 결정 기능을 포함합니다. 다양한 센서로부터 데이터를 해석하는 고급 알고리즘을 통합하여 차량이 복잡한 환경을 탐색할 수 있게 합니다. AutoX는 또한 교통 법규를 준수하면서 정보에 입각한 결정을 내릴 수 있도록 자율 시스템의 안전 기능을 강조합니다. 이는 승객과 차량 운영자 모두에게 원활하고 신뢰할 수 있으며 사용자 친화적인 솔루션을 제공하여 전반적인 운전 경험을 향상시키는 것을 목표로 합니다.

임베디드 BDI는 전체 BDI 라이프사이클 엔진을 제공하며, 환경에 대한 에이전트의 신념을 모델링하고, 변화하는 욕구 또는 목표를 관리하며, 계획 라이브러리에서 의도를 선택하고, 실시간으로 행동을 실행합니다. 이 프레임워크에는 신념 데이터 저장 모듈, 계획 라이브러리 정의, 이벤트 트리거 및 메모리 제한이 있는 마이크로컨트롤러에 최적화된 동시성 제어 모듈이 포함됩니다. 간단한 API를 통해 개발자는 신념에 주석을 달고, 욕구를 지정하며, 코딩에서 계획을 구현할 수 있습니다. 의도 실행 우선순위와 센서, 액추에이터, 네트워크 인터페이스와의 통합을 처리하는 스케줄러를 갖추고 있어, 자율 IoT 장치, 모바일 로봇, 산업용 컨트롤러에 이상적입니다.

AI 에이전트 이다(Ida)는 머신 러닝 알고리즘과 데이터 분석을 활용하여 드릴링 작업을 위한 실행 가능한 인사이트를 제공합니다. 센서와 현장 보고서와 같은 다양한 출처로부터 방대한 양의 데이터를 처리함으로써 이다는 패턴을 식별하고 드릴링 매개변수를 최적화하며 장비 고장을 예측합니다. 이는 팀이 데이터 기반 결정을 내리고 효율성을 향상시키며 비용을 절감하고 현장 안전성을 높일 수 있도록 합니다.

Luminar의 AI 에이전트는 고급 LiDAR 기술과 기계 학습을 활용하여 차량 인식을 향상시키고, 장애물을 정확하게 식별하며, 안전한 자율 주행을 위한 의사 결정을 개선합니다. 복잡한 환경에서 효율적으로 탐색할 수 있도록 실시간 데이터 처리를 제공하기 위해 센서 통합에서 중요한 역할을 합니다. 이 기술은 제조업체가 산업 안전 기준을 충족하면서 성능을 최적화하는 자율 시스템을 배포할 수 있도록 합니다.

ROS 기반 다중 에이전트 수색 및 구조 시스템은 ROS를 활용하여 여러 자율 에이전트를 배포하여 조정된 수색 및 구조 작업을 수행하는 로봇 공학 프레임워크입니다. 각 에이전트는 온보드 센서와 ROS 토픽을 이용하여 실시간 맵핑, 장애물 회피, 목표 탐지를 수행합니다. 중앙 조정자는 에이전트 상태와 환경 피드백에 따라 동적으로 작업을 할당합니다. 이 시스템은 Gazebo 또는 실제 로봇에서 실행 가능하며, 연구원과 개발자가 다중 로봇 협력, 통신 프로토콜 및 적응형 미션 계획을 현실 조건에서 테스트하고 개선할 수 있습니다.

multiagent-golang은 Go에서 다중 에이전트 시스템을 구축하는 구조화된 방법을 제공합니다. 각 에이전트는 환경을 인지하는 센서와 행동을 취하는 액추에이터를 갖춘 Agent 추상화를 도입합니다. 에이전트는 Go 루틴을 사용하여 동시 실행되며, 전용 메시징 채널로 통신합니다. 이 프레임워크에는 이벤트 처리, 에이전트 생애주기 관리, 상태 변경 추적 등을 위한 환경 시뮬레이션 계층도 포함되어 있습니다. 개발자는 에이전트 행동을 쉽게 확장하거나 사용자 지정하고, 시뮬레이션 매개변수 구성 및 로그 또는 분석 모듈을 통합할 수 있습니다. 이를 통해 연구 및 프로토타입 개발을 위한 확장 가능하고 동시적인 시뮬레이션을 용이하게 만듭니다.

RoboCup Rescue Agent Simulation은 IA 기반 다중 에이전트들이 협력하여 피해자를 찾고 구조하는 도시 재해 환경을 모델링한 오픈소스 프레임워크입니다. 내비게이션, 맵핑, 통신, 센서 통합 인터페이스를 제공하며, 사용자는 맞춤형 에이전트 전략을 스크립트화하고 배치 실험을 수행하며 에이전트 성능 지표를 시각화할 수 있습니다. 시나리오 구성, 로그 기록, 결과 분석을 지원하여 다중 에이전트 시스템과 재해 대응 알고리즘 연구를 가속화합니다.

CASA는 Robot Operating System(ROS) 생태계 위에 구축된 모듈형 플러그 앤 플레이 자율성 프레임워크로 설계되었습니다. 각 로봇은 로컬 플래너와 행동 트리 노드를 실행하며, 공유 블랙보드에 세계 상태를 게시하여 분산된 아키텍처를 특징으로 합니다. 작업 할당은 로봇 능력과 가용성에 따라 미션을 할당하는 옥션 기반 알고리즘으로 처리됩니다. 통신 계층은 표준 ROS 메시지를 멀티로봇 네트워크를 통해 사용하여 에이전트들을 동기화합니다. 개발자는 미션 파라미터를 사용자 맞춤형으로 설정하고, 센서 드라이버를 통합하며, 행동 라이브러리를 확장할 수 있습니다. CASA는 시나리오 시뮬레이션, 실시간 모니터링 및 로깅 도구를 지원합니다. 확장 가능한 설계로 연구팀은 새로운 조정 알고리즘을 실험하고 무인 지상 차량부터 공중 드론까지 다양한 로봇 플랫폼에 원활하게 배포할 수 있습니다.

AgentRpi는 언어 모델과 물리적 하드웨어 인터페이스를 조율하여 Raspberry Pi를 엣지 AI 에이전트 허브로 전환합니다. 온도, 움직임 센서 입력, 카메라 피드, 마이크 오디오를 결합하여 구성된 LLMs(OpenAI GPT, 로컬 Llama 변형)로 맥락 정보를 처리하며 자율적으로 계획을 세우고 행동을 실행합니다. 사용자는 YAML 구성 또는 Python 스크립트를 사용하여 행동을 정의하며, 경보 발생, GPIO 핀 조정, 이미지 캡처 또는 음성 명령에 대응하는 작업을 수행합니다. 플러그인 기반 아키텍처로 API 통합, 맞춤형 스킬 추가, Docker 배포 지원이 가능하며, 저전력, 프라이버시 민감 환경에 적합합니다. 개발자가 클라우드 서비스만 의존하지 않고 지능형 자동화 시나리오를 프로토타이핑할 수 있도록 합니다.