멀티 에이전트 검사 시뮬레이션은 Unity 3D 환경 내에서 여러 자율 에이전트가 협력하여 검사 작업을 수행할 수 있도록 하는 포괄적 프레임워크를 제공합니다. 이 환경은 검사 대상, 조절 가능한 보상 함수, 에이전트 행동 매개변수와 함께 Unity ML-Agents와 통합됩니다. 연구자는 Python API를 통해 맞춤 환경 스크립트 작성, 에이전트 수 정의, 훈련 커리큘럼 설정이 가능하며, 병렬 훈련 세션, TensorBoard 로그 기록, 레이캐스트, 카메라 피드, 위치 데이터 등 맞춤 관측 기능도 지원합니다. 하이퍼파라미터와 환경 복잡도를 조절하여 커버리지, 효율성, 협력 지표에 대한 강화 학습 알고리즘의 벤치마킹도 가능합니다. 오픈소스 코드는 로봇 프로토타이핑, 협력 AI 연구, 다중 에이전트 시스템의 교육용 데모 확장에 적합합니다.

DelphiMistralAI는 Mistral-7B 대형 언어 모델과 Delphi 도덕 추론 모델을 통합한 오픈소스 Python 툴킷입니다. 사용자 제공 시나리오에 대해 윤리적 판단을 하는 명령줄 인터페이스와 RESTful API를 제공합니다. 사용자는 지역에 에이전트를 배포하고, 판단 기준을 맞춤 설정하며, 각 윤리적 결정에 대한 생성 근거를 검사할 수 있습니다. 이 도구는 AI 윤리 연구, 교육 시연, 안전하고 설명 가능한 의사결정 지원 시스템을 빠르게 추진하는 것을 목표로 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.