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 9:39:46
济宁市特殊家庭关爱协会app 辽阳市信息公开app 牡丹江市审计公开app 绵阳市最新新闻app 乌兰察布市安全宣传app 佛山市天气监控中心app 衢州市电台广播中心app 牡丹江市公路管理app 拉萨市防洪app 阜阳市安全生产app 济南市桥梁管理app 内江市养老服务app 佳木斯市旅游监督app 铜仁市工程造价app 赤峰市天气监控中心app 望奎县公开信息app 施秉县社会求助app 昭平县出口管理app 桑日县便民app 丘北县税收公开app 襄垣县第一小学app 来凤县消防宣传app 澎湖县新闻中心app 富县第二小学app 合水县残联救助app 纳雍县农业局app 永泰县学校简介app 临沭县防火app 富民县学校app 城口县政务服务app 城口县消防宣传app 长兴县街道办app 宁都县财政信息app 沙雅县文旅信息app 贵德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