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 9:53:15
衡水市同城app 梅州市粮食管理app 衡阳市第一小学app 宜春市安全生产app 临汾市第二中学app 济宁市第五中学app 伊春市警务app 张掖市农业补贴app 深圳市国土信息app 新乡市劳动局app 广元市公共文化服务app 铜陵市政务服务app 太原市人社管理app 日喀则市新闻中心app 鹤壁市粮食管理app 安庆市残联救助app 咸宁市政府公报app 广州市税务局app 盐城市公开信息app 新乡市警务app 新余市司法管理app 随州市工商局app 玉屏侗族自治县政要信息app 横峰县粮食管理app 清河县第六小学app 班玛县街道办app 吴桥县城乡建设app 河口瑶族自治县司法管理app 天等县住房保障app 延寿县政要信息app 西平县税收公开app 东至县国土信息app 朝阳县消防局app 富民县未成年保护协会app 范县第五高中app 千阳县土地申报app 大英县历史记录app 南昌县水利app 荥经县养殖补助app 蕉岭县第四中学app 祁东县妇联app 普格县建设局信息app 石门县天气监控中心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