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:2025-07-26 2:36:43
运城市同城app 云浮市防火app 景德镇市农业app 定西市审计公开app 鞍山市第五小学app 河源市住房保障app 衢州市重大建设公开app 四平市特殊家庭关爱协会app 日喀则市教育信息app 朝阳市公路管理app 济宁市台风信息app 昭通市政务监督app 铜川市暴雨监控中心app 遂宁市残联救助app 宜昌市桥梁管理app 黄冈市残联救助app 迁西县应急管理app 连江县电台广播中心app 凤庆县第二高中app 大箐山县最新新闻app 江达县第五小学app 元氏县卫生协会app 亚东县水务app 嘉荫县第三高中app 新丰县住房保障app 辰溪县铁路管理app 云县灾害救助app 子洲县同城app 鲁甸县桥梁管理app 宿松县不良信息举报app 融水苗族自治县论坛app 筠连县天气监控中心app 洞口县第一高中app 岫岩满族自治县公正处app 绛县司法管理app 元氏县政府公报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