CASA разработана как модульная, «подключи и работай» платформа автономии, построенная на экосистеме Robot Operating System (ROS). В ней используется децентрализованная архитектура, где каждый робот работает с локальными планировщиками и узлами деревьев поведения, публикуя обновления состояния мира на общем общем табло. Распределение задач осуществляется с помощью аукционных алгоритмов, которые назначают миссии на основе возможностей и доступности роботов. Уровень связи использует стандартные сообщения ROS по многороботным сетям для синхронизации. Разработчики могут настраивать параметры миссий, интегрировать драйверы датчиков и расширять библиотеки поведения. CASA поддерживает моделирование сценариев, мониторинг в реальном времени и инструменты логирования. Его расширяемый дизайн позволяет исследовательским группам экспериментировать с новыми алгоритмами координации и без проблем развертывать на различных платформах, от наземных БПЛА до воздушных дронов.

AgentRpi превращает Raspberry Pi в узел периферийных AI-агентов, оркестрируя языковые модели вместе с физическими аппаратными интерфейсами. Обрабатывает входные данные сенсоров (температура, движение), видеопотоки камер и аудио микрофона, используя настроенные LLMs (OpenAI GPT, локальные вариации Llama) для автономного планирования и выполнения действий. Пользователи определяют поведения с помощью YAML-конфигураций или Python-скриптов, позволяющих запускать оповещения, управлять GPIO, делать снимки или реагировать на голосовые команды. Архитектура на основе плагинов обеспечивает гладкую интеграцию API, добавление пользовательских навыков и поддержку Docker-развертывания. Идеально подходит для малопотребляющих, конфиденциальных сред, AgentRpi дает разработчикам возможность быстро создавать прототипы интеллектуальных автоматизационных сценариев без зависимости от облачных сервисов.

AutoX специализируется на разработке AI-систем для автономных транспортных средств, включая возможности восприятия и принятия решений в реальном времени. Он интегрирует передовые алгоритмы для интерпретации данных с различных датчиков, что позволяет автомобилю ориентироваться в сложных условиях. AutoX также подчеркивает функции безопасности, обеспечивая возможность принятия обоснованных решений автономной системой с соблюдением правил дорожного движения и норм. Он стремится улучшить общий опыт вождения, предоставляя гладкие, надежные и удобные решения как для пассажиров, так и для операторов автопарков.

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.

AI Agent Ida использует алгоритмы машинного обучения и аналитику данных для предоставления практических инсайтов для операций по бурению. Обрабатывая огромное количество данных из различных источников, таких как датчики и полевые отчеты, Ида выявляет закономерности, оптимизирует параметры бурения и прогнозирует сбои оборудования. Это позволяет командам принимать решения на основе данных, которые улучшают эффективность, снижают расходы и повышают безопасность на площадке.

AI Агент Luminar использует передовую технологию лидара и машинное обучение для улучшения восприятия автомобиля, точной идентификации препятствий и повышения качества принятия решений для обеспечения более безопасного автономного вождения. Он играет ключевую роль в интеграции датчиков, обеспечивая обработку данных в реальном времени, гарантируя, что автомобили могут эффективно ориентироваться в сложных условиях. Эта технология позволяет производителям внедрять автономные системы, которые соответствуют стандартам безопасности в отрасли, обеспечивая при этом оптимизацию производительности.

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.

multiagent-golang обеспечивает структурированный подход к созданию систем с несколькими агентами на Go. Вводится абстракция агента, где каждый агент может оснащаться различными датчиками для восприятия окружения и исполнительными механизмами для действий. Агенты работают параллельно с помощью горутин и общаются через выделенные каналы сообщений. Также реализован слой моделирования окружения для обработки событий, управления жизненным циклом агентов и отслеживания изменений состояния. Разработчики могут легко расширять или настраивать поведения агентов, задавать параметры моделирования и интегрировать дополнительные модули для логирования или аналитики. Это ускоряет создание масштабируемых и параллельных симуляций для исследований и прототипирования.

RoboCup Rescue Agent Simulation — это рамочная платформа с открытым исходным кодом, моделирующая городские катастрофические ситуации, где несколько управляемых ИИ агентов сотрудничают для поиска и спасения жертв. Она предоставляет интерфейсы для навигации, картографии, связи и интеграции сенсоров. Пользователи могут писать собственные стратегии агентов, запускать пакетные эксперименты и визуализировать показатели эффективности агентов. Платформа поддерживает настройку сценариев, ведение логов и анализ результатов, что ускоряет исследования в области мультиагентных систем и алгоритмов реагирования на бедствия.