Pacman AI는 고전적인 Pacman 게임을 위한 완전한 Python 기반 환경과 에이전트 프레임워크를 제공합니다. 이 프로젝트는 Q학습과 가치 반복의 핵심 강화학습 알고리즘을 구현하여 알약 수집, 미로 탐색, 유령 회피에 최적의 정책을 학습할 수 있게 합니다. 사용자는 맞춤형 보상 함수 정의와 학습률, 할인 계수, 탐색 전략과 같은 하이퍼파라미터 조정을 할 수 있습니다. 이 프레임워크는 성능 로깅, 시각화, 재현 가능한 실험 환경을 지원하며, 연구자와 학생들이 새로운 알고리즘이나 신경망 기반 학습 방식을 통합하고, 기존의 격자 기반 방법과 비교할 수 있도록 설계되어 있습니다.

GameGen-X는 매력적인 오픈 월드 비디오 게임을 생성하기 위해 두 단계의 훈련 프로세스를 활용하는 최첨단 AI 도구입니다. 첫 번째 단계인 기초 사전 훈련은 텍스트-비디오 생성 및 비디오 연속 처리 기술을 사용하여 OGameData 데이터 세트에서 모델을 훈련하는 것입니다. 두 번째 단계인 지침 조정은 InstructNet을 사용하여 모델을 미세 조정하여 실시간 인터랙티브 콘텐츠 생성을 가능하게 합니다. RPG, FPS, 레이싱 게임 등에서 선별된 32,000개의 게임 영상 클립으로 강화된 GameGen-X는 사용자가 다양한 몰입형 게임 환경을 손쉽게 제작할 수 있도록 합니다.

AIpacman은 AI 실험을 위한 팩맨 게임 환경을 시뮬레이션하는 오픈 소스 파이썬 프로젝트입니다. 사용자들은 내장 에이전트 선택 또는 DFS, BFS, A*, UCS와 같은 검색 알고리즘, Minimax와 Alpha-Beta 가지치기, Expectimax, 또는 Q-러닝 같은 강화 학습 기법을 활용한 맞춤형 에이전트를 구현할 수 있습니다. 이 프레임워크는 구성 가능한 미로, 성능 로깅, 에이전트 결정 과정 시각화, 매치 실행 및 점수 비교를 위한 명령줄 인터페이스를 제공하며, 교육, 연구 벤치마크, 취미 AI/게임 개발 프로젝트에 적합하게 설계되었습니다.