AgenticIR (Agentic Information Retrieval) fornece uma estrutura modular onde agentes alimentados por LLM planejando e executando fluxos de trabalho de IR de forma autônoma. Permite definir funções de agentes — como gerador de consultas, recuperador de documentos e summarizador — executados em sequências personalizáveis. Os agentes podem buscar textos brutos, refinar consultas com base em resultados intermediários e mesclar trechos extraídos em resumos concisos. A estrutura suporta pipelines de múltiplas etapas incluindo busca web iterativa, ingestão de dados via API e análise de documentos locais. Desenvolvedores podem ajustar parâmetros de agentes, conectar diferentes LLMs e personalizar políticas de comportamento. O AgenticIR também oferece registro de logs, tratamento de erros e execução paralela de agentes para acelerar a coleta de informações em grande escala. Com uma configuração de código mínima, pesquisadores e engenheiros podem prototipar e implementar sistemas autônomos de recuperação.

A Simulação de Inspeção Multi-Agente fornece uma estrutura abrangente para simular e treinar múltiplos agentes autônomos para realizar tarefas de inspeção de forma cooperativa dentro de ambientes Unity 3D. Integra-se com a ferramenta Unity ML-Agents, oferecendo cenas configuráveis com alvos de inspeção, funções de recompensa ajustáveis e parâmetros de comportamento do agente. Pesquisadores podem criar ambientes personalizados, definir o número de agentes e configurar currículos de treinamento via APIs Python. O pacote suporta sessões de treinamento paralelas, registro no TensorBoard e observações personalizáveis incluindo raycasts, feeds de câmeras e dados de posição. Ajustando hiperparâmetros e a complexidade do ambiente, usuários podem criar benchmarks de algoritmos de aprendizado por reforço em cobertura, eficiência e métricas de coordenação. O código-fonte open-source incentiva extensões para prototipagem robótica, pesquisa em IA cooperativa e demonstrações educativas em sistemas multiagentes.