该文综述机器人操作学习研究，涵盖ROSIE利用文本生成图像扩充数据、DQN仅凭视觉实现目标到达、MOO借助视觉语言模型零样本泛化、DINOv2在放射分割中的优势、DexMV从视频模仿学习、模块化符号推理增强通用性、人类视频实现零样本操作，以及语言分割掩模支持抓放任务。