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 1:35:26
黑河市妇联救助app 连云港市特殊家庭关爱协会app 吉林市数据管理局app 通辽市安全生产app 宜春市第五高中app 北海市消费协会app 潮州市粮食管理app 潍坊市工商信息app 阳江市民政管理app 襄阳市新闻中心app 厦门市最新新闻app 石柱土家族自治县工商信息app 蔚县教育信息app 治多县非物质文化遗产app 比如县妇联救助app 大竹县妇联救助app 西吉县工商局app 周宁县消防局app 舞阳县劳动局app 兴隆县法律服务app 裕民县文旅信息app 南部县文旅信息app 右玉县消防局app 临高县养老服务app 金溪县妇联app 曲松县政要信息app 文成县国土信息app 沽源县养殖补助app 海晏县第四小学app 柯坪县第二高中app 滦平县沧县通讯协会app 海原县消防宣传app 肥东县土木工程app 代县第四高中app 余庆县水利app 民权县安全宣传app 都安瑶族自治县劳动局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