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.

RL-Agents é uma estrutura de aprendizado por reforço de nível de pesquisa construída sobre PyTorch que reúne algoritmos populares de RL em métodos baseados em valor, política e ator-crítico. A biblioteca possui uma API modular de agentes, aceleração por GPU, integração perfeita com OpenAI Gym e ferramentas embutidas de registro e visualização. Os usuários podem configurar hiperparâmetros, personalizar ciclos de treinamento e fazer benchmarking de desempenho com algumas linhas de código, tornando RL-Agents ideal para pesquisa acadêmica, prototipagem e experimentação industrial.

O Text-to-Reward fornece um pipeline para treinar modelos de recompensa que mapeiam descrições de tarefas ou feedback baseado em texto em valores de recompensa escalar para agentes de RL. Aproveitando arquiteturas baseadas em transformadores e ajustando finamente com dados de preferência humana coletados, o framework aprende automaticamente a interpretar instruções em linguagem natural como sinais de recompensa. Os usuários podem definir tarefas arbitrárias por meio de prompts de texto, treinar o modelo e, posteriormente, incorporar a função de recompensa aprendida em qualquer algoritmo de RL. Essa abordagem elimina a necessidade de moldar manualmente recompensas, aumenta a eficiência de amostragem e permite que agentes sigam instruções complexas de múltiplas etapas em ambientes simulados ou do mundo real.