MAPF_G2RL é uma estrutura de pesquisa de código aberto que une teoria dos gráficos e aprendizagem por reforço profundo para resolver o problema de busca de caminho multiagente (MAPF). Ela codifica nós e arestas em representações vetoriais, define funções de recompensa espacial e conscientes de colisões, e suporta vários algoritmos de RL, como DQN, PPO e A2C. A estrutura automatiza a criação de cenários gerando gráficos aleatórios ou importando mapas do mundo real, e coordena laços de treinamento que otimizam políticas para múltiplos agentes simultaneamente. Após o aprendizado, os agentes são avaliados em ambientes simulados para medir a otimização do caminho, o tempo de execução total e as taxas de sucesso. Seu design modular permite que pesquisadores estendam componentes essenciais, integrem novas técnicas de MARL e façam benchmarks contra solucionadores clássicos.

Mava é uma biblioteca de código aberto baseada em JAX para desenvolver, treinar e avaliar sistemas de aprendizado por reforço multi-agente. Oferece implementações pré-construídas de algoritmos cooperativos e competitivos, como MAPPO e MADDPG, juntamente com ciclos de treinamento configuráveis que suportam fluxos de trabalho de nó único e distribuídos. Pesquisadores podem importar ambientes do PettingZoo ou definir ambientes personalizados, usando os componentes modulares do Mava para otimização de políticas, gerenciamento de buffer de replay e registro de métricas. A arquitetura flexível da estrutura permite integração perfeita de novos algoritmos, espaços de observação personalizados e estruturas de recompensa. Aproveitando as capacidades de auto-vectorização e aceleração de hardware do JAX, o Mava garante experimentos eficientes em larga escala e benchmarking reprodutível em diversos cenários multi-agente.

MAGAIL implementa uma extensão multi-agente da Aprendizagem por Imitation Adversarial Generativa, permitindo que grupos de agentes aprendam comportamentos coordenados a partir de demonstrações de especialistas. Construída em Python com suporte para PyTorch (ou variantes do TensorFlow), MAGAIL consiste em módulos de política (gerador) e discriminador que são treinados em um ciclo adversarial. Os agentes geram trajetórias em ambientes como OpenAI Multi-Agent Particle Environment ou PettingZoo, que o discriminador avalia quanto à autenticidade em relação aos dados de especialistas. Através de atualizações iterativas, as redes de políticas convergem para estratégias semelhantes às dos especialistas sem funções de recompensa explícitas. O design modular do MAGAIL permite personalizar arquiteturas de rede, ingestão de dados de especialistas, integração com ambientes e hiperparâmetros de treinamento. Além disso, registros integrados e visualização no TensorBoard facilitam o monitoramento e análise do progresso e desempenho do aprendizado multi-agente.

jason-RL adiciona uma camada de aprendizagem por reforço ao framework de múltiplos agentes Jason, permitindo que agentes AgentSpeak BDI aprendam políticas de seleção de ações via feedback de recompensa. Implementa algoritmos Q-learning e SARSA, suporta a configuração de parâmetros de aprendizado (taxa de aprendizado, fator de desconto, estratégia de exploração) e registra métricas de treinamento. Definindo funções de recompensa nos planos dos agentes e executando simulações, os desenvolvedores podem observar os agentes melhorarem sua tomada de decisão ao longo do tempo, adaptando-se a ambientes em mudança sem programação manual de políticas.