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:2025-12-15 2:31:15
吐鲁番市税务局app 防城港市电力app 太原市事业单位app 合肥市卫生协会app 宜春市工商信息app 定西市第二中学app 福州市社会求助app 资阳市城乡建设app 鹤岗市政府公报app 益阳市街道办app 镇江市城乡建设app 达州市第四高中app 珠海市城乡建设app 营口市第三中学app 忻州市第一中学app 张掖市电力app 防城港市税务局app 盘锦市政府公报app 临汾市财政信息app 来宾市事业单位app 长春市法律服务app 衡阳市第六小学app 衢州市司法管理app 商丘市惠农app 建昌县防洪app 河曲县妇联救助app 罗田县养殖补助app 寻乌县消防宣传app 甘德县学校简介app 龙胜各族自治县公正处app 安福县旅游监督app 彰化县第四中学app 印江土家族苗族自治县第三高中app 乾安县桥梁管理app 巴东县未成年保护协会app 通渭县桥梁管理app 浮山县政府信息公开指南app 孟连傣族拉祜族佤族自治县第四中学app 寿县农业局app 佳县台风信息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