DeepMind研究团队发布了一个称为OpenSpiel，面向游戏强化学习的框架，提供增强学习需要的环境以及算法，可用于一般增强学习、搜索以及规划的研究，并提供了分析增强学习动态的工具，以及常用的评估指标。
研究人员提到，OpenSpiel的目标是要促进在多种游戏类型中，发展多代理增强学习，跟一般的游戏训练环境相似，但更强调学习的部分而非竞争的形式。研究人员希望OpenSpiel可以在通用增强学习上，达到Atari学习环境在单一代理人增强学习的地位，对通用增强学习的发展产生重大的影响。
OpenSpiel提供了一个可让研究人员在各种基准游戏中，评估游戏以及演算法的框架，OpenSpiel内建了各式包括世界网格游戏、拍卖游戏，以及矩阵游戏等20多种不同类型的游戏，这些游戏涵盖单一或多个代理人的零和、合作、一般和对局（General-Sum）游戏，还有一次性以及连续性游戏研究。这些游戏以C++撰写，并以Python打包。
OpenSpiel的算法是以C++或是Python实作，官方提到，这2种语言的API几乎相同，因此当开发者需要，能够简单地在这两种语言间切换使用，而绝大部分学习演算法都是以Python使用Tensorflow撰写，官方目前正发展PyTorch和JAX的支援。另外，OpenSpiel函式库的一个子集被移植到了Swift上，因此开发者也能在MacOS装置上进行研究。
DeepMind只在Linux上测试OpenSpiel，但研究人员提到，虽然他们没有在MacOS和Windows上进行测试，但是在编译以及执行上，预计不会有太大的问题发生。OpenSpiel主要设计理念为简单以及最小化，使用了参照实作而非完全最佳化以及高效能的程式码，而且尽可能维持最小相依性，降低相容性问题发生的可能性。
最近也有不少组织机构推出了增强学习的研究工具，像是谷歌大脑就开源了足球增强学习环境专案Google Research Football，脸书也发布了增强学习平台Horizon，英特尔也在RL Coach中推出一系列增强学习的工具。
