微软开源多模态 AI Agent“Magma”:购物时可自动下单,还能推测视频人物行为

微软开源多模态 AI Agent“Magma”:购物时可自动下单,还能推测视频人物行为

作者: 发表时间:2025-12-17 7:53:56
肇庆市暴雨监控中心app 吴忠市残联救助app 秦皇岛市工程造价app 邵阳市粮食管理app 眉山市政府公报app 邵阳市城乡建设app 邢台市残联app 菏泽市安全生产app 舟山市工商局app 日喀则市残联app 平凉市妇联救助app 毕节市环境保护协会app 防城港市工商局app 乌鲁木齐市政务服务app 枣庄市消防宣传app 东营市税务局app 三明市灾害救助app 德州市农业局app 荆门市公共法律服务app 无锡市审计公开app 晋城市土地局app 枣庄市社会求助app 陇南市惠农app 梅州市消费协会app 康平县专题专栏app 如东县安全宣传app 巴彦县安全宣传app 乾县电台广播中心app 安岳县招标信息app 化隆回族自治县土木工程app 微山县第三高中app 民勤县建设局信息app 天镇县热点专题app 武强县第四中学app

感谢本站网友 zhao_31 的线索投递!

本站 2 月 26 日消息,北京时间今日凌晨,微软在官网开源了多模态 AI Agent 基础模型 ——Magma。与传统 Agent 相比,Magma 具备跨数字、物理世界的多模态能力,能自动处理图像、视频、文本等不同类型数据,此外,Magma 还能内置了心理预测功能,增强了对未来视频帧中时空动态的理解能力,能够准确推测视频中人物或物体的意图和未来行为。

用户可以用 Magma 来自动下电商订单、查询天气;也可以自动操作实体机器人,或者在下真实象棋时获得帮助。

根据官方介绍,Magma 能够帮助 AI 驱动的助手或机器人理解周围环境并采取相应行动。例如,它可以帮助家用机器人学习如何整理以前从未见过的物品,或帮助虚拟助手为不熟悉的任务生成逐步的用户界面导航说明。

Magma 是能够适应数字和物理环境中新任务的 VLA(本站注:视觉语言动作)基础模型之一,能够有效地从海量的公开视觉和语言数据中学习知识,从而融合语言、空间和时间智能,应对数字和物理世界中的复杂任务和环境。

本站附开源链接:https://microsoft.github.io/Magma/

相关文章