嵌入式智能打鼓;一个强化学习方法来打鼓机器人
Seyed Mojtaba Karbasi1,2, Alexander Refsum Jensenius1,3, Rolf Inge Godøy1,3
1RITMO Centre for Interdisciplinary Studies in Rhythm, Time and Motion, University of Oslo, Oslo, Norway.
Frontiers in robotics and AI
|December 3, 2024
概括
内在动机增强学习 (IMRL) 能够使机器人创造出新的节奏鼓动模式. 这种方法与纯粹的外部奖励不同,允许机器人更有创造性,更难以预测的音乐输出.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 音乐 技术 音乐 技术
背景情况:
- 机器人音乐表演是一个新兴的领域.
- 强化学习 (RL) 已被应用于控制机器人系统.
- 内在动机强化学习 (IMRL) 提供了一个自主探索和创造力的框架.
研究的目的:
- 为了研究IMRL在机器人鼓声中的有效性.
- 探索机器人生成新的节奏模式.
- 了解体现智能对音乐表达的影响.
主要方法:
- 为ZRob机器人手臂实施IMRL算法.
- 使用深度决定性政策梯度 (DDPG) 方法,结合外部和内在奖励.
- 训练两个ZRob机器人,播放来自MIDI文件的节奏模式.
主要成果:
- IMRL产生了有意义的新节奏模式.
- 仅仅使用外部奖励导致可预测的,与MIDI相同的模式.
- 机器人的物理动力学和鼓的约束影响了鼓的演奏模式.
结论:
- IMRL是创造性机器人音乐表演的一个有前途的方法.
- 嵌入式智能在机器人音乐表达中发挥着重要作用.
- 这项研究为人机音乐合作开辟了新的途径.
更多相关视频
11:18Closed-loop Neuro-robotic Experiments to Test Computational Properties of Neuronal Networks
Published on: March 2, 2015
10.2K
04:49Author Spotlight: Enhancing Post-Stroke Upper Limb Rehabilitation with Robotic Technologies for Improved Motor Recovery and Functional Outcomes
Published on: September 6, 2024
649
