CMU\谷歌等最新研究综述：面向通用机器人的基础模型构建能够在任何环境中无缝操作、使用各种技能处理不同物体和完成多样化任务的通用机器人，一直是人工智能领域的长期目标。然而，不幸的是，大多数现有的机器人系统受到限制——它们被设计用于特定任务、在特定数据集上进行训练，并在特定环境中部署。这些系统通常需要大量标注数据，依赖于特定任务的模型，在现实世界场景中部署时存在诸多泛化问题，并且难以对分布变化保持鲁棒性。 受到网络规模大容量预训练模型（即基础模型）在自然语言处理（NLP）和计算机视觉（CV）等研究领域开放集表现和内容生成能力印象深刻的启发，我们将本综述（su