deepmind研究团队发布了一个称为openspiel的游戏面向增强学习框架，提供了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，发展多代理增强学习，跟一般的游戏训练环境相似，但是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，评估游戏以及算法的框架，openspiel内置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的算法则是以c 或是python实例，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，而绝大部分学习算法都是以python使用tensorflow撰写，官方目前正发展pytorch和jax的支持。另外，openspiel函数库的一个子集被移植到了swift上，因此开发者也能在macos设备上进行研究。
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，使用了参照实例而非完全优化以及高性能的程序代码，而且尽可能维持最小依赖性，降低兼容性问题发生的可能性。
最近也有不少组织推出了增强学习的研究工具，像是google大脑就开源了足球增强学习环境项目google research football，脸书也发布增强学习平台horizon，英特尔也在rl coach中推出一系列增强学习的工具。