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 10:35:41
巴中市同城app 泰州市申建app 黄石市学校简介app 锦州市服务大厅app 鹤岗市妇联救助app 铜仁市第四小学app 舟山市农业局app 吉林市便民app 玉溪市安全生产app 漯河市同城app 常州市桥梁管理app 咸阳市土木工程app 澧县建设局信息app 札达县重大建设公开app 沿河土家族自治县通讯协会app 陇川县街道办app 靖安县防灾信息app 远安县残联app 汝城县妇联救助app 桦川县教育局app 丁青县第五中学app 浚县未成年保护协会app 江孜县政务监督app 通道侗族自治县新闻中心app 融水苗族自治县社会求助app 郸城县重大建设公开app 清河县水利app 定结县通讯协会app 临邑县公共法律服务app 莘县桥梁管理app 平原县服务大厅app 玛曲县养老服务app 沙洋县征地服务app 巨野县消费协会app 班玛县水务app 新昌县城乡建设app 波密县工商信息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