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:2025-12-14 7:58:11
池州市公正处app 九江市便民app 江门市应急管理app 衡水市振兴乡村app 安庆市事业单位app 阜阳市桥梁管理app 大庆市公开信息app 白城市防洪信息app 渭南市台风监控中心app 钦州市第四中学app 马鞍山市环境保护协会app 榆林市第三高中app 阳泉市公路管理app 丽江市暴雨监控中心app 银川市税收公开app 秦皇岛市消防局app 驻马店市警务app 运城市养殖补助app 渭南市铁路管理app 宁波市法律服务app 武威市中心校app 舟山市文旅信息app 雅安市事业单位app 漯河市劳动局app 延安市历史记录app 崇仁县第二中学app 齐河县森林消防app 思南县第五高中app 疏勒县第四中学app 宁晋县第三小学app 涞源县中心校app 新河县环境保护协会app 盘山县第五中学app 容县环境保护协会app 洱源县第三中学app 新源县防洪信息app 乳源瑶族自治县第五小学app 涡阳县文旅信息app 洞口县建设局信息app 舞阳县应急管理app 潢川县中心校app 宁明县铁路管理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