GYM_XPLANE_ML은 X-Plane 비행 시뮬레이터를 OpenAI Gym 환경으로 래핑하여 스로틀, 엘리베이터, 알러런, 러더 조종을 행동 공간으로 노출시키고, 고도, 속도, 오리엔테이션 등 비행 파라미터를 관측으로 제공함. 사용자는 Python으로 훈련 워크플로를 스크립트 작성 가능하며, 사전 정의된 시나리오를 선택하거나 웨이포인트, 기상 조건, 항공기 모델 등을 맞춤화할 수 있음. 이 라이브러리는 낮은 대기 시간 통신, 동기 모드에서의 에피소드 실행, 성능 측정 기록, 실시간 렌더링을 지원하여 고충실도 비행 환경에서 ML 기반 오토파일럿과 RL 알고리즘의 반복 개발을 가능하게 함.

MAPF_G2RL은 그래프 이론과 딥 강화 학습을 연결하여 다중 에이전트 경로 탐색(MAPF) 문제를 해결하는 오픈소스 연구 프레임워크입니다. 노드와 엣지를 벡터 표현으로 인코딩하고, 공간적 및 충돌 인지 보상 함수를 정의하며, DQN, PPO, A2C와 같은 다양한 RL 알고리즘을 지원합니다. 이 프레임워크는 랜덤 그래프 생성 또는 실제 지도 임포트로 시나리오 생성을 자동화하고, 동시에 여러 에이전트의 정책을 최적화하는 훈련 루프를 조율합니다. 학습 후, 에이전트는 시뮬레이션 환경에서 경로 최적성, 소요 시간, 성공률을 평가합니다. 모듈형 설계로 연구자는 핵심 컴포넌트를 확장하고, 새로운 MARL 기법을 통합하며, 기존 솔버와 비교 벤치마킹할 수 있습니다.