OK-Robot est un framework modulaire ouvert qui permet d'exécuter des tâches de transport d'objets en zéro-shot dans n'importe quel environnement domestique, suivant des instructions verbales. Ce framework, conçu de manière modulaire, utilise une carte 3D Voxel pour la navigation à vocabulaire ouvert, AnyGrasp et LangSam pour la préhension à vocabulaire ouvert, et des primitives de placement pour la pose des objets. Il ne nécessite aucun entraînement préalable et permet une généralisation zéro-shot des instructions verbales.