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:2025-10-07 6:24:25
长治市第五中学app 荆州市税收公开app 巴彦淖尔市税务局app 六盘水市灾害救助app 鞍山市消防局app 柳州市学校app 林芝市土木工程app 本溪市社会求助app 河池市中心校app 那曲市第三高中app 郑州市专题专栏app 宿州市第五小学app 昭通市国土信息app 吕梁市土木工程app 茂名市消费协会app 河池市惠农app 江门市信息公开app 丽江市消防宣传app 抚顺市政要信息app 南充市养老服务app 池州市未成年保护协会app 江门市水务app 河源市土木工程app 滑县未成年保护协会app 秭归县警务app 且末县重大建设公开app 东乡族自治县同城app 会泽县土地局app 内丘县文旅信息app 新源县第三高中app 石棉县政府公报app 聂拉木县第三高中app 富川瑶族自治县申建app 墨玉县太阳能发电信息app 泸西县最新新闻app 盐边县热点专题app 札达县振兴乡村app 丰顺县土木工程app 昌黎县政府信息公开指南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