搜索
新突破！微软开源多模态AI Agent，通杀数字、物理世界
6 天前
/ 阅读约1分钟
来源：凤凰网
与传统Agent相比，Magma具备跨数字、物理世界的多模态能力。
今天凌晨3点，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，例如，你可以用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，或者下真实象棋时获得帮助。
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。
开源地址：https://huggingface.co/microsoft/Magma-8B
github：https://github.com/microsoft/Magma
Magma功能展示
可以用Magma来充当实体机器人的大脑，例如，把蘑菇正确地放在盆里。
