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:2025-07-21 3:17:25
马鞍山市土地局app 曲靖市暴雨监控中心app 常州市台风信息app 石嘴山市残联救助app 怀化市暴雨监控中心app 丽江市征地服务app 亳州市文旅信息app 朔州市防洪app 辽阳市法律服务app 鹰潭市妇联app 岳阳市土地局app 茂名市司法管理app 珠海市土地申报app 仪陇县农业局app 琼中黎族苗族自治县养老服务app 尉氏县公共文化服务app 江安县历史记录app 友谊县便民app 泰顺县新闻中心app 乾安县防洪app 上思县第二中学app 鄄城县第六小学app 婺源县公路管理app 洛南县残联救助app 平邑县第五高中app 绛县政要信息app 梁山县第六中学app 中方县工商信息app 泰顺县教育信息app 靖边县妇联app 永嘉县台风信息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