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:2025-12-02 3:25:23
海口市太阳能发电信息app 石嘴山市农业app 潍坊市电力app 黄山市城乡建设app 盐城市安全生产app 蚌埠市第四高中app 双鸭山市太阳能发电信息app 邢台市灾害救助app 四平市第一中学app 包头市桥梁管理app 湘潭市消防局app 辽阳市第一小学app 金昌市防洪app 茂名市公路管理app 钦州市警务app 台州市政务监督app 阜阳市粮食管理app 白山市暴雨监控中心app 齐齐哈尔市教育局app 汕头市服务大厅app 徐州市非物质文化遗产app 西宁市国土信息app 邢台市第二高中app 咸宁市养老服务app 铜仁市学校app 益阳市风力发电app 怀化市桥梁管理app 南平市防灾信息app 莆田市电视台广播app 安福县风力发电app 蒙阴县不良信息举报app 射阳县建湖县灾害救助app 祁连县历史记录app 梁河县水利app 乐安县台风信息app 陵川县第三高中app 太和县萧县防火app 曹县第一中学app 岱山县第六小学app 改则县太阳能发电信息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