Многоагентная симуляция инспекции предоставляет комплексную платформу для моделирования и обучения нескольких автономных агентов для выполнения инспекционных задач в кооперативе в средах Unity 3D. Она интегрируется с набором инструментов Unity ML-Agents, предлагая настраиваемые сцены с целями инспекции, регулируемыми функциями наград и параметрами поведения агентов. Исследователи могут писать собственные сценарии, определять число агентов и задавать учебные планы через API на Python. Пакет поддерживает параллельное обучение, ведение логов в TensorBoard и настраиваемые наблюдения, такие как лазерные лучи, видеопотоки камер и данные о положении. Регулируя гиперпараметры и сложность среды, пользователи могут проводить бенчмарки алгоритмов обучения с подкреплением по показателям охвата, эффективности и координации. Открытый исходный код способствует расширениям для прототипирования роботов, исследований в области кооперативного ИИ и учебных демонстраций в системах с несколькими агентами.

DelphiMistralAI — это открытая библиотека Python, которая интегрирует мощную модель Mistral-7B с моделью морального рассуждения Delphi. Она предлагает интерфейс командной строки и RESTful API для предоставления обоснованных этических суждений по сценариям, предоставленным пользователями. Пользователи могут развернуть агент локально, настраивать критерии суждений и просматривать обоснования каждого морального решения. Этот инструмент предназначен для ускорения исследований в области этики ИИ, образовательных демонстраций и безопасных, объяснимых систем принятия решений.

AIpacman — это open-source проект на Python, моделирующий среду игры Pac-Man для экспериментов с ИИ. Пользователи могут выбрать встроенных агентов или реализовать собственных с помощью алгоритмов поиска (DFS, BFS, A*, UCS), adversarial методов (Minimax с обрезкой Alpha-Beta и Expectimax) или техник обучения с подкреплением (Q-Learning). Фреймворк обеспечивает конфигурируемые лабиринты, логирование производительности, визуализацию решений агентов и CLI для запуска матчей и сравнения результатов. Он предназначен для образовательных целей, исследований и личных проектов в области ИИ и разработки игр.