Hibikino-Musashi@Home 2025 Team Description Paper

📄 arXiv: 2511.20180v1 📥 PDF

作者: Ryohei Kobayashi, Kosei Isomoto, Kosei Yamao, Soma Fumoto, Koshun Arimura, Naoki Yamaguchi, Akinobu Mizutani, Tomoya Shiba, Kouki Kimizuka, Yuta Ohno, Ryo Terashima, Hiromasa Yamaguchi, Tomoaki Fujino, Ryoga Maruno, Wataru Yoshimura, Kazuhito Mine, Tang Phu Thien Nhan, Yuga Yano, Yuichiro Tanaka, Takeshi Nishida, Takashi Morie, Hakaru Tamukoh

分类: cs.RO

发布日期: 2025-11-25

💡 一句话要点

Hibikino-Musashi@Home 2025：面向家庭服务的机器人系统开发与个性化适应研究

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱三：空间感知 (Perception & SLAM)

关键词: 家庭服务机器人 大型语言模型 任务规划 脑启发式记忆 个性化适应

📋 核心要点

  1. 现有家庭服务机器人难以适应不同用户的个性化需求和家庭环境。
  2. 利用大型语言模型进行任务规划，并结合脑启发式记忆模型实现个性化适应。
  3. 通过数据集生成器和开源开发环境，加速机器人视觉系统和导航系统的开发与迭代。

📝 摘要（中文）

本文概述了Hibikino-Musashi@Home团队为参与国内标准平台联赛而采用的技术。该团队开发了一个数据集生成器，用于训练机器人视觉系统，以及一个在Human Support Robot模拟器上运行的开源开发环境。基于大型语言模型的任务规划器选择合适的原始技能来执行用户请求的任务。此外，该团队专注于脑启发式记忆模型的研究，以适应个体家庭环境，旨在提供直观和个性化的帮助。此外，该团队还为RoboCup2024中Pumas开发的导航系统的可重用性做出了贡献。该团队致力于设计一种家庭服务机器人，以协助人们在家中生活，并通过持续参加比赛来评估和改进所开发的系统。

🔬 方法详解

问题定义：现有家庭服务机器人难以适应不同用户的个性化需求和家庭环境，缺乏足够的灵活性和智能化，难以提供真正个性化的服务。同时，机器人视觉系统和导航系统的开发需要大量数据和高效的开发环境，现有方法成本较高，效率较低。

核心思路：本文的核心思路是利用大型语言模型进行任务规划，将用户请求分解为一系列原始技能，并结合脑启发式记忆模型，使机器人能够学习和适应不同用户的偏好和家庭环境。同时，通过数据集生成器和开源开发环境，降低机器人视觉系统和导航系统的开发成本，提高开发效率。

技术框架：该系统的整体架构包括以下几个主要模块：1) 数据集生成器，用于生成训练机器人视觉系统所需的大量数据；2) 开源开发环境，基于Human Support Robot模拟器，提供高效的开发和测试平台；3) 基于大型语言模型的任务规划器，将用户请求分解为一系列原始技能；4) 脑启发式记忆模型，用于学习和适应不同用户的偏好和家庭环境；5) 导航系统，基于RoboCup2024中Pumas开发的导航系统，并进行改进和优化。

关键创新：该论文的关键创新在于将大型语言模型和脑启发式记忆模型相结合，用于家庭服务机器人的任务规划和个性化适应。与传统方法相比，该方法能够更好地理解用户意图，并根据用户的偏好和家庭环境进行动态调整，提供更加个性化的服务。

关键设计：关于关键设计，论文中提到使用大型语言模型进行任务规划，但没有具体说明所使用的大型语言模型的类型和训练方法。脑启发式记忆模型的具体实现细节也未详细描述，包括记忆模型的结构、学习算法和参数设置等。这些细节需要参考团队的后续研究或相关文献。

📊 实验亮点

论文重点介绍了数据集生成器和开源开发环境的构建，为机器人视觉和导航系统的开发提供了便利。虽然没有给出具体的性能数据，但强调了大型语言模型在任务规划和脑启发式记忆模型在个性化适应方面的应用，这些都是未来家庭服务机器人发展的关键方向。

🎯 应用场景

该研究成果可应用于智能家居、养老服务、医疗辅助等领域。通过个性化的家庭服务机器人，可以帮助老年人、残疾人等弱势群体更好地生活，提高生活质量。同时，该研究也有助于推动机器人技术的发展，促进人机协作的普及。

📄 摘要（原文）

This paper provides an overview of the techniques employed by Hibikino-Musashi@Home, which intends to participate in the domestic standard platform league. The team developed a dataset generator for training a robot vision system and an open-source development environment running on a Human Support Robot simulator. The large-language-model-powered task planner selects appropriate primitive skills to perform the task requested by the user. Moreover, the team has focused on research involving brain-inspired memory models for adaptation to individual home environments. This approach aims to provide intuitive and personalized assistance. Additionally, the team contributed to the reusability of the navigation system developed by Pumas in RoboCup2024. The team aimed to design a home service robot to assist humans in their homes and continuously attend competitions to evaluate and improve the developed system.