AgenticIR（Agentic Information Retrieval）提供一個模組化框架，LLM 驅動的代理能自主規劃與執行 IR 工作流程。它能定義代理角色，例如查詢產生器、文件擷取器和摘要器，並在可自訂的序列中運行。代理可以擷取原始文本、根據中間結果調整查詢，並將提取的段落合併成簡潔的摘要。此框架支援多步驟流程，包括反覆的網頁搜索、API 取用和本地文件解析。開發者可調整代理參數、整合不同的 LLM，並微調行為策略。AgenticIR 亦提供日誌記錄、錯誤處理與平行代理執行，以加速大規模資訊收集。只需最少程式碼，即可讓研究人員與工程師快速原型與部署自主檢索系統。

多機器人檢查模擬提供一個完整框架，用於模擬並訓練多個自主代理，以在Unity 3D環境中協作完成檢查任務。它與Unity ML-Agents工具箱整合，提供可配置的場景、檢查目標、可調整的獎勵函數與代理行為參數。研究人員可以撰寫自定義環境，定義代理數量，並透過Python API設置訓練流程。此套件支援並行訓練、TensorBoard記錄，並支援包括射線投射、攝像頭影像及位置資料的觀察輸入。調整超參數與環境復雜度後，使用者可以在覆蓋範圍、效率及協調性等指標上基準測試強化學習演算法。開源碼促進擴充用於機器人原型、協作AI研究及多機器人系統的教育示範。