该文综述开放词汇移动操作与机器人基础模型研究：HomeRobot基准通过语义分割、放置策略和启发式改进显著提升成功率；RT-2将动作表示为文本标记，实现端到端视觉语言行动模型并展现新兴泛化与推理能力；MOO、PhysObjects、RoboFlamingo、ViLa、HuBo-VLM及动态知识更新等方法分别提升零样本操作、物理概念规划、视觉语言控制和人机交互感知性能。