Stemrobo разработан для продвижения STEM-образования через практический подход, позволяя студентам и педагогам создавать, программировать и управлять роботами. Он предлагает удобный интерфейс, который проводит пользователей через различные проекты, предоставляя ресурсы и поддержку для содействия обучению в области науки, технологии, инженерии и математики. С такими функциями, как помощь в программировании, симуляция робототехники и взаимодействие в реальном времени, Stemrobo делает сложные концепции доступными для учащихся всех возрастов.

ePH-MAPF обеспечивает эффективный процесс вычисления путей без столкновений для десятков и сотен агентов на сеточных картах. Использует приоритетные эвристики, техники инкрементального поиска и настраиваемые метрики стоимости (Манхэттен, Евклид), чтобы сбалансировать скорость и качество решения. Пользователи могут выбрать разные эвристические функции, интегрировать библиотеку в системы на Python и тестировать производительность на стандартных сценариях MAPF. Код модульный и хорошо документирован, что позволяет исследователям и разработчикам расширять его для динамических препятствий или специализированных сред.

VMAS — полный набор инструментов для построения и обучения мультиагентных систем с помощью глубокого обучения с подкреплением. Он обеспечивает параллельное моделирование сотен экземпляров окружений на GPU, что позволяет собирать данные с высокой пропускной способностью и масштабировать обучение. VMAS включает реализации популярных алгоритмов MARL, таких как PPO, MADDPG, QMIX и COMA, и предлагает модульные интерфейсы для быстрой прототипизации политики и среды. Фреймворк позволяет организовать централизованное обучение с децентрализованным исполнением (CTDE), поддерживаемые настраиваемые наградные функции, пространства наблюдения и хуки обратных вызовов для ведения журналов и визуализации. Благодаря модульной архитектуре VMAS легко интегрируется с моделями PyTorch и внешними средами, что делает его идеальным для исследований в задачах сотрудничества, соревнований и смешанных мотиваций в робототехнике, управлении трафиком, распределении ресурсов и сценариях игровой AI.

Addoobot предлагает мощную платформу, на которой пользователи могут исследовать, сравнивать и учиться о различных роботах и инструментах ИИ со всего мира. С акцентом на доступность и широкое применение, Addoobot помогает профессионалам, академикам, исследователям и энтузиастам оставаться на связи с последними достижениями в области робототехники и ИИ. От промышленных роботов до потребительской робототехники, от образовательных инструментов до развлекательных роботов, Addoobot предоставляет доступ к пониманию и использованию силы робототехники и искусственного интеллекта.

Aurora Innovation специализируется на создании инновационных ИИ-технологий для автономных автомобилей. Их системы используют глубокое обучение и робототехнику для улучшения восприятия, планирования и управления, позволяя автомобилям безопасно и эффективно двигаться в различных условиях. Программное обеспечение Aurora интегрируется с существующими платформами транспортных средств, предлагая производителям надежный путь к автономии, сосредоточившись на тестировании в реальных условиях и безопасности.

Embedded BDI предоставляет полноценный движок жизненного цикла BDI: моделирует убеждения агента о его окружении, управляет развивающимися желаниями или целями, выбирает намерения из библиотеки планов и выполняет поведение в реальном времени. В рамках включены модули для хранения базы убеждений, определения библиотеки планов, триггеров событий и управления параллельностью, предназначенные для микроконтроллеров с ограниченной памятью. Простым API разработчики могут аннотировать убеждения, задавать желания и реализовывать планы в коде. Планировщик управляет приоритетным выполнением намерений и интегрируется с аппаратными интерфейсами для датчиков, приводов и сетевого соединения, что делает его идеальным для автономных IoT-устройств, мобильных роботов и промышленных контроллеров.

VacuumWorld — платформа с открытым исходным кодом, предназначенная для разработки и оценки алгоритмов обучения с подкреплением для мультиагентов. Она предоставляет сеточные среды, в которых виртуальные роботы-пылесосы работают, чтобы обнаруживать и устранять грязь в настраиваемых макетах. Пользователи могут регулировать параметры, такие как размер сетки, распределение грязи, стохастический шум движений и структуры вознаграждения, моделируя разные сценарии. В рамках встроена поддержка протоколов коммуникации между агентами, информационных панелей в реальном времени и логирующих утилит для отслеживания эффективности. С помощью простых API на Python исследователи могут быстро интегрировать свои алгоритмы RL, сравнивать кооперативные и соревновательные стратегии и проводить воспроизводимые эксперименты, что делает VacuumWorld идеальным для академических исследований и обучения.