Flocking Multi-Agent предоставляет модульную библиотеку для моделирования автономных агентов, демонстрирующих ройный интеллект. Включает основные поведенческие алгоритмы — сцепление, разделение и согласование — а также избегание препятствий и динамическое преследование цели. Используя Python и Pygame для визуализации, фреймворк позволяет настраивать параметры, такие как радиус соседей, максимальную скорость и силу поворота. Поддерживает расширение за счет пользовательских функций поведения и интеграционных хуков для робототехники или игровых движков. Идеально подходит для экспериментов в области ИИ, робототехники, разработки игр и академических исследований, показывая, как простые локальные правила приводят к сложным глобальным формированием.

Godot Steering AI Framework — это специализированное расширение для движка Godot, которое позволяет разработчикам оснащать NPC, врагов и автономных персонажей реалистичным движением и схемами принятия решений. Предоставляя набор предустановленных поведенческих моделей и их комбинацию через взвешенное смешивание, пользователи могут добиться плавного следования по пути, динамического обхода препятствий, формирования групп и реактивного преследования или уклонения. Этот фреймворк упрощает навигацию на базе ИИ, позволяя сосредоточиться на механике игры, а не на низкоуровневом коде перемещения, и поддерживает проекты как в 2D, так и в 3D с минимальными настройками.

Multi-Agent-AI-Models-and-Path-Planning предоставляет полный набор инструментов для разработки и тестирования систем с несколькими агентами в сочетании с классическими и современными методами планирования маршрутов. Включает реализации алгоритмов таких как A*, Dijkstra, RRT и потенциальных полей, а также настраиваемые модели поведения агентов. Встроенные модули моделирования и визуализации позволяют удобно создавать сценарии, осуществлять мониторинг в реальном времени и анализировать производительность. Предназначен для расширения, пользователи могут добавлять новые алгоритмы планирования или модели решений агентов для оценки совместной навигации и распределения задач в сложных условиях.

Многопроцессорная система поиска и спасения в ROS — это робототехнический фреймворк, использующий ROS для развертывания нескольких автономных агентов для проведения скоординированных операций поиска и спасения. Каждый агент использует внутренние датчики и темы ROS для создания карт в реальном времени, избегания препятствий и обнаружения целей. Центральный координатор динамически распределяет задачи в зависимости от состояния агента и отзывов окружающей среды. Система может работать в Gazebo или на физических роботах, позволяя исследователям и разработчикам тестировать и совершенствовать взаимодействие множества роботов, протоколы связи и адаптивное планирование миссий в условиях, приближенных к реальности.