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:2025-12-19 8:30:21
金昌市建设局信息app 攀枝花市养殖补助app 青岛市土地申报app 南昌市第六小学app 广安市第二高中app 沧州市防洪app 银川市振兴乡村app 淄博市第二中学app 扬州市风力发电app 阳泉市第一高中app 宜昌市申建app 郴州市妇联app 潍坊市电视台广播app 沈阳市公共文化服务app 咸阳市教研app 常德市电力app 河源市农业app 长春市司法管理app 安顺市应急管理app 郑州市铁路管理app 景德镇市惠农app 阳泉市农业局app 铁岭市水利app 益阳市国土信息app 梅州市土木工程app 保山市民政管理app 永平县国土信息app 八宿县通讯协会app 盐源县建设局信息app 洪洞县第五小学app 广平县第四小学app 柞水县铁路管理app 宝清县工商信息app 天全县同城app 定兴县警务app 永顺县妇联app 宜兰县第三高中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