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:2025-12-05 2:17:32
六盘水市重大建设公开app 石家庄市人社管理app 威海市消防局app 双鸭山市警务app 白银市文旅信息app 湖州市公开信息app 防城港市应急管理app 信阳市惠农app 商丘市征地服务app 德州市水务app 无锡市专题专栏app 大连市征地服务app 滁州市税收公开app 呼伦贝尔市国土信息app 汉中市妇联app 天等县第四小学app 杞县农业app 天柱县国土信息app 吴起县旅游协会app 岢岚县最新新闻app 依安县城乡建设app 临沭县防洪app 兴国县建设局信息app 泸县特殊家庭关爱协会app 奉节县劳动局app 黄梅县台风监控中心app 宜章县第二高中app 丹巴县第六小学app 泰和县台风监控中心app 额敏县第六小学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