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:2025-12-04 12:36:39
白城市公共文化服务app 娄底市养殖补助app 南充市桥梁管理app 呼和浩特市城乡建设app 沧州市住房保障app 北海市政务监督app 黄山市文旅信息app 深圳市农业app 上饶市同城app 宿州市第一小学app 雅安市学校简介app 贺州市申建app 广安市税务局app 呼伦贝尔市第一高中app 四平市中心校app 蚌埠市消防宣传app 揭阳市工程造价app 甘谷县政务服务app 徐闻县招标信息app 靖安县征地服务app 绩溪县公开信息app 秀山土家族苗族自治县政府公报app 金湖县第六中学app 汤阴县国土信息app 东丰县土木工程app 乐业县招标信息app 巴楚县便民app 会同县劳动局app 兰坪白族普米族自治县市场监督app 镇赉县农业补贴app 西乡县人社管理app 秭归县第五中学app 镇康县同城app 蓝田县非物质文化遗产app 锦屏县第二小学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