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。

DelphiMistralAI是一個開源的Python工具包，集成了強大的Mistral-7B大型語言模型和Delphi的道德推理模型。它提供命令列介面和RESTful API，可對用戶提供的場景進行倫理判斷。用戶可以本地部署代理、定制判斷標準並檢查每個道德決策的生成理由。此工具旨在促進AI倫理研究、教育演示，及安全、可解釋的決策支援系統。

AIpacman 是一個開源的Python專案，用於模擬Pac-Man遊戲環境，以進行AI實驗。用戶可選擇內建代理或使用搜尋算法（如DFS、BFS、A*、UCS）、對抗方法（如Minimax配合Alpha-Beta剪枝和Expectimax），或Q-Learning等強化學習技術來自定義代理。該框架提供可配置的迷宮、性能日誌、代理決策視覺化，以及用於運行對局和比較分數的命令行界面。旨在促進教育課程、研究基準及AI及遊戲開發的業餘項目。