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:2025-12-02 4:51:47
湘潭市第三小学app 定西市招标信息app 百色市社会求助app 镇江市历史记录app 铜陵市工商信息app 佛山市税务局app 韶关市历史记录app 武威市残联救助app 安康市通讯协会app 深圳市市场监督app 张家口市太阳能发电信息app 上饶市人社管理app 佛山市税收公开app 郑州市环境保护协会app 和布克赛尔蒙古自治县数据管理局app 沙雅县热点专题app 秭归县第六中学app 绥德县最新新闻app 都安瑶族自治县服务大厅app 嵩县农业app 应县审计公开app 洋县农业局app 盱眙县民政管理app 鹿寨县妇联救助app 昌宁县不良信息举报app 滨海县消费协会app 夏县农业补贴app 元江哈尼族彝族傣族自治县教育局app 沅陵县公益app 荥经县第四中学app 共和县农业app 方山县公正处app 石台县土木工程app 扶绥县太阳能发电信息app 绥棱县非物质文化遗产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