Embedded BDI提供完整的BDI生命週期引擎：它建模代理人對環境的信念、管理演進的欲望或目標、從計畫庫中選擇意圖，並在實時中執行行為。框架包括信念庫存儲模塊、計畫庫定義、事件觸發和並發控制模塊，專為記憶體有限的微控制器設計。利用簡單的API，開發者可以標註信念、指定欲望並在程式碼中實作計畫。其排程器支持優先級意圖的執行，並與感測器、致動器及網路通訊的硬體界面整合，使其非常適合自主物聯網設備、移動機器人與工業控制器。

VacuumWorld是一個開源模擬平台，旨在促進多智能體強化學習算法的開發與評估。它提供基於格子的環境，虛擬吸塵機器人可在可自定義的布局中運行，檢測並清除塵埃。用戶可以調整網格大小、塵埃分佈、隨機移動噪聲與獎勵結構，以模擬多種場景。框架內建支持智能體之間的通訊協議、即時視覺化儀表板及性能追蹤的紀錄工具。透過簡單的Python API，研究人員可以快速整合其強化學習算法，比較合作或競爭策略並進行可重現的實驗，讓VacuumWorld成為學術研究與教學的理想工具。

Stemrobo旨在通過實踐的方式促進STEM教育，使學生和教育者能夠創建、編程和控制機器人。它提供一個友好的界面，引導用戶完成各種項目，提供資源和支持以促進科學、技術、工程和數學方面的學習。藉助程式碼協助、機器人模擬和實時互動等功能，Stemrobo使各年齡層的學習者都能夠理解複雜的概念。

ePH-MAPF提供一個高效的流程，用於計算數十到數百代理人在格子地圖上的無碰撞路徑。它採用優先啟發式、增量搜尋技術與可自訂的成本度量（曼哈頓距離、歐幾里得距離），在速度與解決方案品質之間取得平衡。使用者可以選擇不同的啟發式函數，將函數整合到Python機器人系統中，並在標準MAPF場景中進行效能基準測試。程式碼模組化且有良好文件，方便研究人員和開發者擴展適用於動態障礙或特殊環境。

VMAS是一個構建與訓練多智能體系統的綜合工具包，利用深度強化學習。它支持GPU並行模擬上百個環境實例，實現高通量數據收集與可擴展訓練。VMAS包含流行的MARL算法實現，例如PPO、MADDPG、QMIX和COMA，並具有模塊化的策略和環境接口，便於快速原型設計。該框架促進集中訓練與去中心化執行(CDTE)，提供可自定義的獎勵塑造、觀測空間和回調鉤子，用於記錄和可視化。其模塊化設計使VMAS能與PyTorch模型及外部環境無縫整合，非常適合在機器人、交通控制、資源分配和遊戲AI等多方面進行合作、競爭與混合動機任務的研究。

Addoobot提供一個強大的平台，讓用戶可以探索、比較和了解來自世界各地的各種機器人和人工智慧工具。Addoobot專注於可達性和廣泛的實用性，幫助專業人士、學者、研究人員和愛好者與最新的機器人和人工智慧進展保持聯繫。從工業機器人到消費類機器人，教育工具到娛樂機器人，Addoobot提供了一個理解和利用機器人及人工智慧力量的入口。

Aurora Innovation 專注於為自駕車輛創建尖端 AI 技術。其系統利用深度學習和機器人技術來增強感知、規劃和控制，使汽車能夠在各種條件下安全而高效地導航。Aurora 的軟體可與現有車輛平台整合，為製造商提供可靠的自主權之路，同時專注於現實世界的測試和安全性。