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:2025-08-05 3:51:57
陇南市中心校app 宜昌市学校app 永州市第三高中app 资阳市文旅信息app 承德市劳动局app 驻马店市住房保障app 南通市教研app 无锡市住房保障app 本溪市森林消防app 乌兰察布市司法管理app 乌海市第四高中app 厦门市第四高中app 盐城市市场监督app 郧西县街道办app 云龙县工商信息app 凤翔县助农app 建水县公共文化服务app 罗源县财政信息app 秦安县太阳能发电信息app 太康县住房保障app 大新县振兴乡村app 定安县灾害救助app 蒲江县第四中学app 龙胜各族自治县农业局app 孟连傣族拉祜族佤族自治县司法管理app 高邑县第四高中app 玛多县教育信息app 沁县风力发电app 英吉沙县特殊家庭关爱协会app 古丈县法律服务app 德保县电台广播中心app 博湖县农业app 景泰县土木工程app 肇州县卫生协会app 卓尼县暴雨监控中心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