MuJoCo Playground是一个开源库，提供GPU加速的机器人学习环境，支持模拟到现实的转换，适用于多种控制任务和环境。它包括经典的控制环境，并支持四足和两足动物的行走模拟，以及非抓握和机械手的操作，此外还提供基于视觉的支持。
Vulp 是一个用于实时运动控制的 Python 库，提供标准的动作-观察循环，旨在控制各种执行器和模拟器，具备易于集成和扩展的特性。
mimictest是一个专注于机器人操控策略开发和测试的简单环境，支持多GPU训练和快速模拟环境搭建，旨在简化机器人学习的过程，帮助开发者更高效地验证和优化控制策略。
这台通过DeepMind深度强化学习训练的机器人只有20个驱动关节。而人类步行需要对大约360个关节600块肌肉进行实时控制。
Jannik 用 GPT-4o 打造的一台清洁机器人，成本低且快速建成，适用于家庭和商业环境的清洁任务，同时可用于教育和研究机器人技术。
RLx2是清华大学团队提出的一种强化学习专用的稀疏训练框架，能够完全基于稀疏网络训练深度强化学习模型。
《机器人学、视觉与控制（第三版）》的Python代码实例库，提供第三版教科书中的算法实现，助力机器人与计算机视觉领域的学习和研究。该项目包含多种与机器人学和计算机视觉相关的算法实现，适合用于教学和实践相结合的学习方式。
Antithesis是一个开创性的AI工具，旨在彻底改变软件测试和调试的方式。它提供一个持续可靠的平台，大幅减少开发人员在测试上花费的时间，使他们能够更专注于软件构建。Antithesis能够在模拟环境中持续搜索错误，确保每个问题都能被完美重现和高效调试，不仅仅是识别错误，而是使调试过程尽可能无痛且有效，这对于各行业的软件开发团队来说都是一个游戏规则的改变。
