Open-Vocabulary Detection Benchmark for Robotics是机器人开放词汇检测领域的标准化评测基准，用于评估和比较不同开放词汇检测算法在机器人任务中的性能。该基准提供了多种机器人开放词汇检测测试场景，包括开放词汇目标检测（检测训练类别之外的任意物体类别，包括零样本检测/少样本检测/长尾类别检测）、开放词汇实例分割（对任意类别物体进行实例分割，包括开放世界实例分割/掩码生成）、开放词汇全景分割（对事物和stuff进行统一的开放词汇分割）、3D开放词汇检测（在3D点云/深度图中进行开放词汇检测和分割）、机器人开放世界操作（基于开放词汇检测的机器人抓取/操作/人机交互，包括家庭服务/工业检测/仓储物流）、跨域开放词汇检测（sim-to-real/跨场景/跨机器人平台的开放词汇检测泛化）等，支持多种开放词汇检测方法和多种评估设置（不同新颖类别比例/不同类别相似度/不同域差距）。Open-Vocabulary Detection Benchmark for Robotics支持多种评估指标，包括检测性能（新颖类别mAP/所有类别mAP/零样本检测AP/少样本检测AP/F1分数）、分割性能（新颖类别mask AP/全景分割PQ/开放词汇分割精度）、泛化性能（未见过类别/未见过环境/跨域泛化差距/长尾类别性能）、细粒度性能（细粒度类别区分/属性感知检测/组成性泛化）、机器人应用性能（抓取成功率/操作成功率/人机交互准确率/任务完成率）、效率性能（推理延迟/吞吐量/模型大小/边缘部署可行性）等，提供了标准化的评估协议和多个公开数据集（LVIS/COCO/OpenImages/ODinW/Roboflow等）。该基准推动了机器人开放词汇检测技术的发展，多种经典和最新的开放词汇检测算法都在该基准上进行了评估和对比。该基准被广泛应用于家庭服务机器人、工业机器人、仓储物流、人形机器人、自动驾驶等领域的开放世界感知系统研究和开发中，是机器人开放词汇检测算法评估的标准基准之一。