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:2025-12-06 10:47:26
山南市未成年保护协会app 内江市政要信息app 海口市通讯协会app 东营市农业局app 清远市便民app 随州市通讯协会app 鹤岗市司法管理app 内江市养老服务app 盐城市妇联app 金华市第三高中app 十堰市电力app 抚州市工程造价app 宜春市养老服务app 忻州市电视台广播app 晋中市森林消防app 阜新市申建app 泾源县第五中学app 改则县第三小学app 蠡县天气监控中心app 安仁县税收公开app 景泰县妇联救助app 临潭县税务局app 阳谷县残联app 上杭县应急管理app 阳曲县非物质文化遗产app 深泽县太阳能发电信息app 贵定县铁路管理app 大姚县第六小学app 镇宁布依族苗族自治县税务局app 会昌县妇联app 靖宇县重大建设公开app 陆河县街道办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