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 8:17:35
长沙市安全宣传app 榆林市第三高中app 茂名市农业局app 吕梁市土地局app 漳州市学校简介app 威海市第一小学app 宝鸡市消防局app 金昌市政要信息app 克拉玛依市教育信息app 遂宁市防灾信息app 云浮市环境保护协会app 吴忠市振兴乡村app 松原市民政管理app 宿州市专题专栏app 衡水市司法管理app 响水县征地服务app 连平县政府信息公开指南app 藤县暴雨监控中心app 黄平县招标信息app 洛宁县审计公开app 甘洛县灾害救助app 丘北县电力app 镇平县社会求助app 清水县政务监督app 镇平县台风信息app 石楼县便民app 青冈县防灾信息app 平南县政府公报app 沂南县事业单位app 芦山县铁路管理app 东兰县消费协会app 同德县旅游协会app 鸡泽县威县助农app 桐柏县工商局app 封丘县街道办app 麻阳苗族自治县台风信息app 平阴县教研app 封开县公正处app 武平县税务局app 平和县暴雨监控中心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