AI钢琴家：深度强化学习赋能机器人弹奏钢琴

研究人员使用深度强化学习训练拟人化机器人双手弹奏钢琴。他们构建了一个基于MuJoCo物理引擎的模拟环境，包含一个88键的数字键盘和两款Shadow Dexterous Hands机器人手。通过MIDI标准将乐谱转换为时间索引的音符轨迹，作为强化学习的目标。为了克服高维动作空间的探索挑战，研究人员将人类先验知识（指法标签）融入奖励函数，并使用DroQ算法训练代理。最终，机器人成功弹奏了多首曲目，并在Etude-12子集上取得了令人印象深刻的F1分数。该研究还发布了一个模拟基准和数据集，以推动高维控制领域的发展。