F1Tenth Two-Agent Simulator는 ROS와 Gazebo 기반으로 구축된 특수한 시뮬레이션 프레임워크로, 사용자 지정 트랙에서 경쟁 또는 협력하는 두 대의 1/10 스케일 자율 차량을 에뮬레이션합니다. 현실적인 타이어 모델 물리, 센서 에뮬레이션, 충돌 감지, 데이터 로깅을 지원하며, 사용자는 자신만의 계획 및 제어 알고리즘을 연결하고, 에이전트 파라미터를 조정하며, 성능, 안전성 및 협력 전략을 평가하는 대전 시나리오를 실행할 수 있습니다.

GenerativeAgentsCN은 현실감 있는 디지털 페르소나를 시뮬레이션하기 위해 설계된 스탠포드의 Generative Agents 프레임워크를 오픈소스 중국어로 이식한 것입니다. 대규모 언어 모델과 장기 기억 모듈, 반사 루틴, 계획자 논리 등을 결합하여, 맥락을 인지하고 과거 상호작용을 기억하며 자율적으로 다음 행동을 결정하는 에이전트를 조정합니다. 이 툴킷은 즉시 실행 가능한 Jupyter 노트북, 모듈형 파이썬 컴포넌트, 포괄적인 중국어 문서화를 제공하여 환경 설정, 에이전트 특성 정의 및 기억 매개변수 커스터마이징 방법을 안내합니다. 이를 활용해 AI 기반 NPC 행동 탐색, 고객 지원 봇 프로토타입 개발, 에이전트 인지 연구 등을 수행할 수 있으며, 유연한 API를 통해 기억 알고리즘 확장, 맞춤형 LLM 통합, 실시간 에이전트 상호작용 시각화도 가능합니다.

iVisual은 AI 프로젝트를 시각화하고 분석하는 방식을 혁신하기 위해 설계된 최첨단 플랫폼입니다. 실시간 시각화 기능과 다양한 분석 도구를 통해 사용자는 더 깊은 인사이트를 얻고 데이터 기반 결정을 내릴 수 있습니다. 이 플랫폼은 AI 프로젝트의 프레젠테이션과 이해를 향상시키고자 하는 전문가에게 이상적이며, 작업 흐름에 새로운 수준의 명확성과 효율성을 제공합니다. AI 연구원, 데이터 과학자, 개발자 등 누구에게나 iVisual은 프로젝트를 향상시키기 위해 필요한 도구를 제공합니다.

mario-ai 프로젝트는 신경진화를 이용하여 Super Mario Bros.를 마스터할 AI 에이전트를 개발하기 위한 포괄적인 파이프라인을 제공합니다. Python 기반 NEAT 구현과 OpenAI Gym의 SuperMario 환경을 통합하여, 사용자들이 맞춤형 적합도 기준, 돌연변이율, 네트워크 토폴로지를 정의할 수 있도록 지원합니다. 훈련 동안, 이 프레임워크는 신경망의 세대를 평가하고, 우수한 유전체를 선택하며, 게임 플레이와 네트워크 진화의 실시간 시각화를 제공합니다. 또한, 훈련된 모델의 저장 및 로드, 챔피언 유전체의 내보내기, 상세 퍼포먼스 로그 생성도 가능합니다. 연구자, 교육자, 취미 연구자들은 코드를 다른 게임 환경으로 확장하고, 진화 전략 실험과 다양한 레벨별 AI 학습 진행상태 벤치마킹이 가능합니다.

Mesa 포식자-피식자 모델은 고전적인 Lotka-Volterra 포식자-피식자 시스템을 오픈 소스 파이썬 구현으로, Mesa의 에이전트 기반 모델링 프레임워크 위에 구축되어 있습니다. 개별 포식자와 피식자 에이전트는 격자 위에서 이동하고 상호작용하며, 피식자는 번식하고 포식자는 먹이를 사냥하여 생존합니다. 사용자는 초기 개체군, 번식 확률, 에너지 소비 및 기타 환경 매개변수를 웹 인터페이스를 통해 구성할 수 있습니다. 이 시뮬레이션은 히트맵과 개체군 곡선을 포함한 실시간 시각화와 함께, 실행 후 데이터를 로그로 기록하여 분석에 활용할 수 있습니다. 연구자, 교육자, 학생들은 에이전트 행동을 맞춤화하거나 새로운 종을 추가하거나 복잡한 생태 규칙을 통합하여 모델을 확장할 수 있습니다. 이 프로젝트는 간편한 사용, 빠른 프로토타이핑 및 출현하는 생태 역학에 대한 교육적 데모를 목적으로 설계되었습니다.

Multi-Agent Systems는 자율 에이전트 간의 상호작용을 생성, 제어, 관찰하기 위한 포괄적 도구킷을 제공합니다. 개발자는 맞춤형 의사결정 로직을 갖는 에이전트 클래스를 정의하고, 구성 가능한 리소스와 규칙이 있는 복잡한 환경을 설정하며, 정보 교환을 위한 통신 채널을 구현할 수 있습니다. 이 프레임워크는 동기 및 비동기 스케줄링, 이벤트 기반 행동을 지원하며, 성능 지표 로깅을 통합합니다. 사용자들은 핵심 모듈을 확장하거나 외부 AI 모델을 통합하여 에이전트의 지능을 높일 수 있습니다. 시각화 도구는 실시간 또는 사후 시뮬레이션에서 시뮬레이션을 렌더링하여, 출현하는 행동 분석과 시스템 파라미터 최적화에 도움을 줍니다. 학술 연구부터 분산 애플리케이션 프로토타이핑까지, Multi-Agent Systems는 엔드 투 엔드 다중 에이전트 시뮬레이션을 간소화합니다.

멀티에이전트 드론 환경은 OpenAI Gym과 PyBullet 기반으로 구성된 UAV 군집 시뮬레이션용 커스터마이징 가능한 Python 패키지입니다. 사용자는 운동학 및 동역학 모델을 갖춘 다수의 드론 에이전트를 정의하여 포메이션 비행, 타겟 추적, 장애물 회피 등의 협력 작업을 탐색합니다. 환경은 모듈식 작업 구성, 현실적인 충돌 감지, 센서 에뮬레이션을 지원하며, 커스텀 보상 함수와 분산 정책도 구현 가능합니다. 개발자는 자체 강화학습 알고리즘을 통합하고 여러 시나리오에서 성능을 평가하며, 에이전트의 궤적과 지표를 실시간으로 시각화할 수 있습니다. 오픈소스 설계는 커뮤니티 기여를 장려하여 연구, 교육, 고급 다중 에이전트 제어 솔루션의 프로토타이핑에 이상적입니다.

MultiAgentPuzzleSolver는 독립적인 AI 에이전트들이 협력하여 슬라이딩 타일, 루빅 큐브, 논리 격자와 같은 퍼즐을 해결하는 모듈식 환경을 제공합니다. 에이전트는 상태 정보를 공유하고, 하위 작업 할당을 협상하며, 다양한 휴리스틱을 적용하여 단일 에이전트보다 더 효과적으로 해결 공간을 탐색합니다. 개발자는 새로운 에이전트 행동을 플러그인하거나, 통신 프로토콜을 사용자 정의하거나, 새로운 퍼즐 정의를 추가할 수 있습니다. 이 프레임워크에는 실시간 시각화, 성능 지표 수집, 실험 스크립팅 도구가 포함되어 있습니다. Python 3.8 이상, 표준 라이브러리, 인기 있는 머신러닝 툴킷과 호환되어 연구 프로젝트에 원활하게 통합됩니다.

RinSim은 다수의 자율 에이전트를 갖춘 동적 물류 시나리오 모델링에 집중된 모듈형 시뮬레이션 환경을 제공합니다. 사용자는 그래프 구조를 통해 도로 네트워크를 정의하고, 배터리 제한이 있는 전기 차량을 포함하는 차량 함대를 구성하며, 확률적 요청 발생을 시뮬레이션할 수 있습니다. 디스크리트 이벤트 구조는 정밀한 타이밍과 이벤트 관리를 보장하며, 내장된 라우팅 알고리즘과 사용자 정의 가능한 에이전트 행동으로 폭넓은 실험이 가능합니다. RinSim은 이동 시간, 에너지 소비, 서비스 수준 등의 출력 지표를 지원하고, 실시간 및 후처리 분석을 위한 시각화 모듈도 포함되어 있습니다. 확장 가능한 설계로 맞춤형 알고리즘의 통합, 대규모 차량 함대로의 확장, 재현 가능 연구 워크플로우를 가능하게 하며, 학계와 산업계의 모빌리티 전략 최적화에 필수적입니다.

MultiAgentModel은 멀티에이전트 시나리오를 위한 맞춤형 환경 및 에이전트 클래스를 정의하는 통합 API를 제공합니다. 개발자는 관측 및 행동 공간, 보상 구조, 통신 채널을 지정할 수 있습니다. PPO, DQN, A2C와 같은 인기 RL 알고리즘을 기본 지원하여 최소한의 구성으로 훈련할 수 있습니다. 실시간 시각화 도구를 통해 에이전트 상호작용과 성능 지표를 모니터링합니다. 모듈식 아키텍처는 새로운 알고리즘과 맞춤형 모듈의 손쉬운 통합을 가능하게 하며, 하이퍼파라미터 튜닝을 위한 유연한 구성 시스템, 실험 추적을 위한 로깅 유틸리티, 원활한 포터블성을 위한 OpenAI Gym 환경과의 호환성을 포함합니다. 사용자들은 공유 환경에서 협력하거나, 기록된 세션을 재생하여 분석할 수 있습니다.

AgentSimJS는 자바스크립트에서 대규모 에이전트 기반 모델의 생성과 실행을 단순화하도록 설계되었습니다. 모듈식 아키텍처를 통해 개발자는 사용자 정의 상태, 센서, 의사결정 기능 및 액추에이터를 갖춘 에이전트를 정의하고, 이를 글로벌 변수로 매개변수화된 동적 환경에 통합할 수 있습니다. 프레임워크는 이산 시간 단계 시뮬레이션을 조율하고, 에이전트 간 이벤트 기반 메시징을 관리하며, 상호작용 데이터를 기록하여 분석합니다. 시각화 모듈은 HTML5 Canvas 또는 외부 라이브러리를 이용한 실시간 렌더링을 지원하며, 플러그인은 통계 도구와의 통합을 가능하게 합니다. AgentSimJS는 현대 웹 브라우저와 Node.js 모두에서 실행되며, 대화형 웹 애플리케이션, 학술 연구, 교육 도구, 군집 지능, 군중 역학 또는 분산 AI 실험의 신속한 프로토타이핑에 적합합니다.

AgentSimulation은 Pygame 기반의 오픈소스 파이썬 라이브러리로, 2D 환경에서 여러 자율 에이전트를 시뮬레이션합니다. 사용자는 에이전트 속성, 조종 행동(탐색, 도망, 방황), 충돌 감지, 경로 찾기 및 인터랙티브 규칙을 구성할 수 있습니다. 실시간 렌더링과 모듈식 설계 덕분에 빠른 프로토타입 제작, 교육 시뮬레이션, 집단 지능 또는 다중 에이전트 상호작용 연구에 적합합니다.

Conduit는 에이전시가 AI를 활용하여 데이터 분석을 자동화하고, 시간을 절약하며, 정확성을 높이고, 예산 할당을 최적화할 수 있도록 돕는 종합 솔루션입니다. 여러 계정 및 하위 계정을 중앙 집중화함으로써 실시간 데이터 시각화를 위한 통합 대시보드를 제공합니다. 이 플랫폼은 데이터도 자동으로 정리하고 업데이트하며 효율적인 의사 결정을 위한 맞춤형 분석을 제공합니다.

IntelligentMASPlatform은 모듈식 구조를 통해 에이전트, 환경, 서비스 계층이 명확히 구분된 아키텍처로, 개발과 배포를 가속화합니다. 에이전트는 FIPA-준수 ACL 메시징을 이용하여 통신하며, 동적 협상과 조율이 가능합니다. 다양한 환경 시뮬레이터를 포함하여 복잡한 시나리오 모델링, 에이전트 작업 일정 수립, 실시간 인터랙션 시각화를 지원하는 대시보드를 제공합니다. 고급 행동을 위해 강화 학습 모듈을 통합했고, 맞춤형 행동 플러그인도 지원합니다. 배포 도구는 에이전트를 독립 실행형 애플리케이션 또는 분산 네트워크로 패키징할 수 있도록 하며, API는 데이터베이스, IoT 기기, 타사 AI 서비스와의 연동도 용이하게 합니다. 연구, 산업 자동화, 스마트 시티와 같은 다양한 용도에 적합합니다.