本研究提出GLOVER框架，旨在解决机器人在开放词汇操作中对物体可抓取部分的推理挑战。通过微调大型语言模型，GLOVER能够在RGB特征空间内预测可抓取部件，从而提升物体理解和工具使用的精度。研究结果表明，GLOVER在实际场景中的物体部件识别成功率为86.0%，抓取成功率为76.3%，显著优于现有技术。