Auto-aprendizado simples oferece aos desenvolvedores uma abordagem extremamente simples para criar e treinar agentes de aprendizado por reforço em Python. A estrutura abstrai componentes principais de RL, como wrappers de ambientes, módulos de política e buffers de experiência, em interfaces concisas. Os usuários podem rapidamente inicializar ambientes, definir políticas personalizadas usando backends familiares como PyTorch ou TensorFlow, e executar loops de treinamento com registro e pontos de verificação integrados. A biblioteca suporta algoritmos on-policy e off-policy, permitindo experimentações flexíveis com Q-learning, gradientes de política e métodos ator-crítico. Ao reduzir o código boilerplate, auto-aprendizado simples permite que praticantes, educadores e pesquisadores prototype algoritmos, testem hipóteses e visualizem o desempenho do agente com configuração mínima. Seu design modular também facilita a integração com stacks de ML existentes e ambientes personalizados.

Este repositório fornece uma estrutura completa de aprendizado por reforço para pesquisa de jogabilidade em StarCraft II. O agente principal usa Proximal Policy Optimization (PPO) para aprender redes de política que interpretam dados de observação do ambiente PySC2 e geram ações precisas no jogo. Desenvolvedores podem configurar camadas de redes neurais, modelagem de recompensas e cronogramas de treinamento para otimizar o desempenho. O sistema suporta multiprocessamento para coleta eficiente de amostras, utilitários de registro para monitorar curvas de treinamento e scripts de avaliação para executar políticas treinadas contra oponentes scriptados ou IA incorporada. O código é escrito em Python e utiliza TensorFlow para definição e otimização de modelos. Usuários podem estender componentes como funções de recompensa personalizadas, pré-processamento de estado ou arquiteturas de rede para atender a objetivos de pesquisa específicos.

TexasHoldemAgent fornece um ambiente modular baseado em Python para treinar, avaliar e implantar um jogador de poker alimentado por IA para Texas Hold’em limit heads-up. Integra um motor de simulação personalizado com algoritmos de aprendizado por reforço profundo, incluindo DQN, para melhoria iterativa de políticas. Funcionalidades principais incluem codificação do estado das mãos, definição do espaço de ações (Fold, Call, Raise), modelagem de recompensas e avaliação de decisões em tempo real. Usuários podem personalizar os parâmetros de aprendizagem, usar aceleração de CPU/GPU, monitorar o progresso do treinamento e carregar ou salvar modelos treinados. O framework suporta simulação em lote para testar várias estratégias, gerar métricas de desempenho e visualizar taxas de vitória, capacitando pesquisadores, desenvolvedores e entusiastas de poker a experimentar estratégias de jogo orientadas por IA.

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.

uAgents é um framework modular em JavaScript que capacita desenvolvedores a construir agentes autônomos e descentralizados de IA capazes de descobrir pares, trocar mensagens, colaborar em tarefas e se adaptar através de aprendizagem. Os agentes comunicam-se por protocolos de gossip baseados em libp2p, registram capacidades via registros on-chain e negociam acordos de nível de serviço usando contratos inteligentes. A biblioteca principal gerencia eventos do ciclo de vida do agente, roteamento de mensagens e comportamentos extensíveis como aprendizagem por reforço e alocação de tarefas de mercado. Por meio de plugins personalizáveis, uAgents pode integrar-se com o ledger da Fetch.ai, APIs externas e redes de oráculos, permitindo que os agentes realizem ações no mundo real, obtenham dados e tomem decisões em ambientes distribuídos sem orquestração centralizada.

Vanilla Agents é uma estrutura leve baseada em PyTorch que fornece implementações modulares e extensíveis de agentes de reforço fundamentais. Suporta algoritmos como DQN, Double DQN, PPO e A2C, com wrappers de ambiente plugáveis compatíveis com OpenAI Gym. Os usuários podem configurar hiperparâmetros, registrar métricas de treinamento, salvar pontos de verificação e visualizar curvas de aprendizagem. A base de código é organizada para clareza, tornando-a ideal para prototipagem de pesquisa, uso educacional e benchmarking de novas ideias em RL.

VMAS é um kit completo para construir e treinar sistemas multiagentes usando aprendizado por reforço profundo. Suporta simulação paralela baseada em GPU de centenas de instâncias de ambientes, permitindo coleta de dados de alta taxa e treinamento escalável. Inclui implementações de algoritmos populares de MARL como PPO, MADDPG, QMIX e COMA, juntamente com interfaces modulares de políticas e ambientes para prototipagem rápida. O framework facilita o treinamento centralizado com execução descentralizada (CTDE), oferece ajuste de recompensa personalizável, espaços de observação e hooks de callback para logging e visualização. Com seu design modular, o VMAS integra-se perfeitamente com modelos PyTorch e ambientes externos, tornando-se ideal para pesquisa em tarefas cooperativas, competitivas e de motivos mistos, abrangendo robótica, controle de tráfego, alocação de recursos e cenários de IA de jogos.

A estrutura YGO-Agent permite que pesquisadores e entusiastas desenvolvam bots de IA que jogam o jogo de cartas Yu-Gi-Oh usando reforço de aprendizado. Ela encapsula o simulador de jogo YGOPRO em um ambiente compatível com OpenAI Gym, definindo representações de estado como mão, campo e pontos de vida, e representações de ação incluindo convocação, ativação de feitiço/armadilha e ataque. As recompensas são baseadas em resultados de vitória/derrota, dano causado e progresso no jogo. A arquitetura do agente usa PyTorch para implementar DQN, com opções para arquiteturas de rede personalizadas, replay de experiência e exploração epsilon-greedy. Módulos de registro gravam curvas de treinamento, taxas de vitória e logs detalhados de movimentos para análise. A estrutura é modular, permitindo que usuários substituam ou estendam componentes como a função de recompensa ou espaço de ação.

GYM_XPLANE_ML envolve o simulador de voo X-Plane como um ambiente OpenAI Gym, expondo controles de acelerador, elevador, ailerons e leme como espaços de ação e parâmetros de voo como altitude, velocidade e orientação como observações. Usuários podem automatizar fluxos de trabalho de treinamento em Python, selecionar cenários predefinidos ou personalizar pontos, condições meteorológicas e modelos de aeronaves. A biblioteca gerencia comunicação de baixa latência com X-Plane, executa episódios em modo síncrono, registra métricas de desempenho e suporta renderização em tempo real para depuração. Facilitando desenvolvimento iterativo de autoplotes baseados em ML e algoritmos RL experimentais em ambiente de voo de alta fidelidade.

A Tradução Automática com Agentes de IA é uma estrutura de código aberto destinada a pesquisa e desenvolvimento em tradução automática. Orquestra três agentes principais — gerador, avaliador e refinador — para produzir, avaliar e aprimorar traduções colaborativamente. Baseada em PyTorch e modelos de transformadores, suporta pré-treinamento supervisionado, otimização por aprendizado por reforço e políticas de agentes configuráveis. Usuários podem fazer benchmarking em conjuntos de dados padrão, acompanhar pontuações BLEU e estender o pipeline com agentes personalizados ou funções de recompensa para explorar colaboração entre agentes em tarefas de tradução.

AI Hedge Fund 5zu fornece um pipeline completo para negociação quantitativa: um ambiente personalizável para simular múltiplas classes de ativos, módulos de agentes baseados em aprendizado por reforço, utilitários de teste retrospectivo, integração de dados de mercado em tempo real e ferramentas de gestão de risco. Os usuários podem configurar fontes de dados, definir funções de recompensa, treinar agentes com dados históricos e avaliar o desempenho através de métricas financeiras-chave. A estrutura suporta desenvolvimento de estratégias modulares e pode ser estendida para APIs de corretores ao vivo para implantar bots de negociação de nível de produção.

AI Agents for Rock Paper Scissors é um projeto de código aberto em Python que demonstra como construir, treinar e avaliar diferentes estratégias de IA — jogo aleatório, reconhecimento de padrões baseado em regras e aprendizado por reforço (Q-learning) — no clássico jogo Pedra-Papel-Tesoura. Oferece classes de agentes modulares, um executor de jogo configurável, registro de desempenho e utilitários de visualização. Os usuários podem facilmente trocar agentes, ajustar parâmetros de aprendizagem e explorar o comportamento da IA em cenários competitivos.

O ambiente Beer Game fornece uma simulação em tempo discreto de uma cadeia de suprimentos de cerveja de quatro etapas — varejista, atacadista, distribuidor e fabricante — com uma interface OpenAI Gym. Os agentes recebem observações incluindo estoque disponível, estoque em pipeline e pedidos recebidos, e produzem quantidades de pedido. O ambiente calcula custos por etapa para armazenamento e pedidos pendentes, e suporta distribuições de demanda e tempos de entrega personalizáveis. Ele se integra perfeitamente com bibliotecas RL populares como Stable Baselines3, permitindo que pesquisadores e educadores avaliem e treinem algoritmos para tarefas de otimização da cadeia de suprimentos.

BotPlayers é uma estrutura versátil de código aberto projetada para agilizar o desenvolvimento e a implantação de agentes de jogos baseados em IA. Possui uma camada de abstração de ambiente flexível que suporta captura de tela, APIs web ou interfaces de simulação personalizadas, permitindo que bots interajam com vários jogos. A estrutura inclui algoritmos de aprendizado por reforço embutidos, algoritmos genéticos e heurísticas baseadas em regras, além de ferramentas para registro de dados, checkpointing de modelos e visualização de desempenho. Seu sistema modular de plugins permite que desenvolvedores personalizem sensores, ações e políticas de IA em Python ou Java. BotPlayers também oferece configuração baseada em YAML para prototipagem rápida e pipelines automatizados para treinamento e avaliação. Com suporte multiplataforma no Windows, Linux e macOS, esta estrutura acelera experimentações e produção de agentes de jogos inteligentes.

CityLearn fornece uma plataforma modular de simulação para pesquisa em gestão de energia usando aprendizado por reforço. Os usuários podem definir clusters de edifícios com múltiplas zonas, configurar sistemas HVAC, unidades de armazenamento e fontes renováveis, e treinar agentes de RL contra eventos de resposta à demanda. O ambiente expõe observações de estado como temperaturas, perfis de carga e preços de energia, enquanto ações controlam pontos de ajuste e despacho de armazenamento. Uma API de recompensa flexível permite métricas personalizadas — como economia de custos ou redução de emissões — e utilitários de registro suportam análise de desempenho. CityLearn é ideal para benchmarking, aprendizado em currículo e desenvolvimento de novas estratégias de controle em um ambiente de pesquisa reprodutível.

CryptoTrader Agents fornece um kit de ferramentas abrangente para projetar, treinar e implantar estratégias de negociação baseadas em IA nos mercados de criptomoedas. Inclui um ambiente modular para ingestão de dados, engenharia de recursos e funções de recompensa personalizadas. Os usuários podem aproveitar algoritmos de reforço pré-configurados ou integrar seus próprios modelos. A plataforma oferece backtesting simulado com dados históricos de preços, controles de gerenciamento de risco e rastreamento detalhado de métricas. Quando estiver pronto, os agentes podem se conectar às APIs de troca ao vivo para execução automatizada. Construído em Python, o framework é totalmente extensível, permitindo que os usuários elaborem novas táticas, executem varreduras de parâmetros e monitorem o desempenho em tempo real.

Fast Reinforcement Learning é uma estrutura especializada em Python projetada para acelerar o desenvolvimento e a execução de agentes de reforço de aprendizado. Oferece suporte imediato para algoritmos populares como PPO, A2C, DDPG e SAC, combinados com gerenciamento de ambientes vetorizados de alta vazão. Os usuários podem configurar facilmente redes de política, personalizar laços de treinamento e aproveitar a aceleração GPU para experimentos em larga escala. O design modular da biblioteca garante integração perfeita com ambientes OpenAI Gym, permitindo que pesquisadores e profissionais prototype, benchmark e implantem agentes em várias tarefas de controle, jogos e simulação.

DeepSeek R1 representa um avanço significativo na inteligência artificial, oferecendo desempenho de alto nível em tarefas de raciocínio, matemática e codificação. Utilizando uma arquitetura sofisticada MoE (Mixture of Experts) com 37B de parâmetros ativados e 671B de parâmetros totais, DeepSeek R1 implementa técnicas avançadas de aprendizado por reforço para alcançar referências de ponta. O modelo oferece desempenho robusto, incluindo 97,3% de precisão no MATH-500 e um ranking no 96,3º percentil no Codeforces. Sua natureza de código aberto e opções de implantação econômicas o tornam acessível para uma ampla gama de aplicações.

Dino Reinforcement Learning oferece uma caixa de ferramentas abrangente para treinar um agente de IA a jogar o jogo do dinossauro do Chrome via aprendizado por reforço. Integrando-se com uma instância headless do Chrome através do Selenium, captura quadros do jogo em tempo real e os processa em representações de estado otimizadas para entradas de redes Q profundas. O framework inclui módulos para memória de replay, exploração epsilon-greedy, modelos de redes neurais convolucionais e loops de treinamento com hiperparâmetros personalizáveis. Os usuários podem monitorar o progresso do treinamento via logs no console e salvar pontos de verificação para avaliações posteriores. Após o treinamento, o agente pode ser implantado para jogar jogos ao vivo autonomamente ou avaliado contra diferentes arquiteturas de modelos. O design modular permite substituição fácil de algoritmos de RL, tornando-o uma plataforma flexível para experimentação.

DQN-Deep-Q-Network-Atari-Breakout-TensorFlow fornece uma implementação completa do algoritmo DQN adaptado ao ambiente Atari Breakout. Utiliza uma rede neural convolucional para aproximar valores Q, aplica replay de experiências para quebrar correlações entre observações sequenciais e emprega uma rede alvo atualizada periodicamente para estabilizar o treinamento. O agente segue uma política epsilon-greedy para exploração e pode ser treinado do zero com entrada de pixels crus. O repositório inclui arquivos de configuração, scripts de treinamento para monitorar o crescimento da recompensa por episódios, scripts de avaliação para testar modelos treinados e utilitários TensorBoard para visualizar métricas de treinamento. Os usuários podem ajustar hiperparâmetros como taxa de aprendizagem, tamanho do buffer de replay e tamanho do lote para experimentar diferentes configurações.