Pacman AI oferece um ambiente e uma estrutura de agentes totalmente funcionais em Python para o clássico jogo Pacman. O projeto implementa algoritmos principais de aprendizado por reforço—Q-learning e iteração de valores—para permitir que o agente aprenda políticas ótimas para coleta de pílulas, navegação no labirinto e evasão de fantasmas. Os usuários podem definir funções de recompensa personalizadas e ajustar hiperparâmetros como taxa de aprendizado, fator de desconto e estratégia de exploração. A estrutura suporta registro de métricas, visualização de desempenho e configurações reprodutíveis de experimentos. É projetada para fácil extensão, permitindo que pesquisadores e estudantes integrem novos algoritmos ou abordagens baseadas em redes neurais e os comparem com métodos tradicionais de grade no domínio de Pacman.

GameGen-X é uma ferramenta de IA de ponta que utiliza um processo de treinamento em duas fases para gerar jogos de vídeo de mundo aberto envolventes. A primeira fase, Pré-treinamento Fundamental, envolve treinar o modelo no conjunto de dados OGameData utilizando técnicas de geração de texto para vídeo e continuidade de vídeo. A segunda fase, Ajuste de Instruções, ajusta o modelo com o InstructNet para permitir a geração de conteúdo interativo em tempo real. Alimentado por mais de 32.000 clipes de vídeo de jogos selecionados de RPGs, FPS, jogos de corrida e muito mais, o GameGen-X permite que os usuários produzam ambientes de jogos diversos e imersivos sem esforço.

AIpacman é um projeto de código aberto em Python que simula o ambiente do jogo Pac-Man para experimentação com IA. Os usuários podem escolher entre agentes embutidos ou implementar personalizados usando algoritmos de busca como DFS, BFS, A*, UCS; métodos adversariais como Minimax com poda Alpha-Beta e Expectimax; ou técnicas de aprendizagem por reforço como Q-Learning. A estrutura fornece labirintos configuráveis, registro de desempenho, visualização das decisões dos agentes e uma interface de linha de comando para executar partidas e comparar pontuações. É projetado para facilitar aulas educacionais, benchmarks de pesquisa e projetos de entusiastas em IA e desenvolvimento de jogos.