简介:

Magma 是一个能够理解和执行多模态输入的基础模型,可用于复杂任务和环境。

功能:

支持多模态输入,包括图像、视频和语言。

能够在视觉空间中进行动作规划和执行,如机器人操作。

通过 Set-of-Mark (SoM) 和 Trace-of-Mark (ToM) 技术实现高效的动作理解和规划。

在 UI 导航和机器人操作任务中表现出色,超越了专门为此任务设计的模型。

具备零样本学习能力,能够在未见过的任务中快速适应。

支持多模态理解,如视频问答和空间推理。

能够在真实机器人上进行少样本微调,实现可靠的性能。

提供开源代码和模型,便于研究和开发人员使用。

需求人群:

"该产品适用于需要多模态交互和智能代理的场景,如机器人操作、UI 自动化、复杂任务规划等,尤其适合研究人员、开发者以及需要高效自动化解决方案的企业。"

浏览量:68

s1785318098921236

打开站点

构建AI去赚钱
s1785341518918206
类似产品

© 2025     AIbase    备案号:闽ICP备08105208号-14

隐私政策

用户协议

意见反馈 网站地图