Acme 是一個基於 Python 的框架，簡化了增強學習代理的開發與評估。它提供預先建立的代理實現（例如 DQN、PPO、SAC）、環境封裝、重播緩衝區以及分散式執行引擎。研究人員可以混合搭配元件，原型設計新算法，通過內建日誌監控訓練指標，並利用擴展式分散式流程進行大規模實驗。Acme 與 TensorFlow 和 JAX 整合，支援透過 OpenAI Gym 接口的自定義環境，並包含快照、評估和超參數配置的工具。

F1Tenth雙機模擬器是一個建立在ROS和Gazebo之上的專用模擬框架，用於模擬兩輛1/10比例的自主車輛在自定義賽道上競速或合作。它支持逼真的輪胎模型物理、傳感器仿真、碰撞檢測和數據記錄。用戶可以插入自己的規劃與控制算法、調整代理參數，並運行頭對頭的場景，以評估性能、安全性和協作策略在受控條件下的表現。

HFO_DQN結合了Python和TensorFlow，提供用於訓練使用Deep Q-Network足球代理人的完整流程。用戶可以克隆存儲庫、安裝依賴項（包括HFO模擬器和Python庫），並在YAML文件中配置訓練參數。該框架實現了經驗重放、目標網路更新、ε-貪婪探索和針對半場進攻領域的獎勵塑造。它包含訓練代理人、性能記錄、評估比賽和結果繪圖的腳本。模塊化結構允許集成自定義神經網絡架構、替代強化學習算法和多智能體協調策略。輸出包括訓練模型、性能指標和行為視覺化，促進強化學習和多智能體系統研究。

OpenSpiel 是一個研究框架，提供從簡單矩陣遊戲到複雜棋類遊戲（如國際象棋、圍棋和撲克）的廣泛環境，並實現各種強化學習和搜索算法（如值迭代、策略梯度方法、MCTS）。其模組化的 C++ 核心和 Python 綁定允許用戶插入自定義算法、定義新遊戲，並在標準基準上比較性能。設計具有擴展性，支持單一和多智能體設置，研究合作和競爭場景。研究人員利用 OpenSpiel 快速原型設計算法、大規模實驗和分享可重複的代碼。

Prediction Market Agent Tooling 提供模組化架構來建立自主預測市場交易代理。它包括主要平台的連接器如 Augur 和 Polymarket、一套可重用策略範本、即時數據串流、強大的回測引擎，以及內建的績效分析。使用者可以快速原型設計算法、模擬歷史市場狀況，並部署實時代理監控工具，非常適合研究者與量化交易者。