論文の概要: Expressive Robotic Pianist: Mastering Complex Piano Repertoire with Graph-Mimic and Musical Dynamics

• arxiv url: http://arxiv.org/abs/2609.10844v1
• Date: Wed, 09 Sep 2026 21:26:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.14239
• Title: Expressive Robotic Pianist: Mastering Complex Piano Repertoire with Graph-Mimic and Musical Dynamics
• Title（参考訳）: 表現型ロボットピアン奏者:グラフ・ミミック・音楽力学を用いた複雑なピアノレパートリーの習得
• Abstract要約: ピアノレパートリーの多種多様さにまたがって, 器用なロボットハンドが高忠実性を実現することができることを示す。 我々のアプローチは、ロボットシステムが単なる機械的精度を超えるための堅牢な経路を提供する。
• 参考スコア（独自算出の注目度）: 5.506290956393904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enabling robots to perform musical instruments with human-level expressivity represents a frontier in bridging the gap between mechanical precision and artistic interpretation. Despite advances in robotic dexterity, replicating the fluid finger transitions and nuanced dynamic control characteristic of human pianists remains a significant challenge. Through a reinforcement learning-based control framework, we demonstrate that a dexterous robotic hand can achieve high-fidelity performance across a diverse piano repertoire. Central to our approach is a graph-based optimization strategy that guides the robot to generate natural pre-press and key-press fingering strategies that closely resemble human movement patterns. To achieve expressive sound production, the control system is coupled with a physics-inspired acoustic model that modulates keypress velocity to accurately reproduce the dynamic variations specified in musical scores. Quantitative evaluations demonstrate that our expressive control model significantly outperforms baseline methods in both finger morphology similarity and dynamic velocity accuracy. In a perceptual test involving participants from diverse listener groups, performances generated by our system are significantly preferred over baseline robotic performances and are indistinguishable from human performances for non-professional audiences. Furthermore, extensive experiments across multiple musical styles confirm that our method maintains high note-level accuracy while achieving expressive performance. Our approach provides a robust pathway for robotic systems to move beyond mere mechanical accuracy, elevating robotic musicianship to a level of expressive performance comparable to human pianists.
• Abstract（参考訳）: 人間レベルの表現力を持つ楽器を演奏させるロボットは、機械的精度と芸術的解釈のギャップを埋めるフロンティアを表している。 ロボットの器用さの進歩にもかかわらず、流体の指の遷移と人間のピアニストの微妙な動的制御特性を再現することは大きな課題である。 強化学習に基づく制御フレームワークを用いて, 多様なピアノレパートリーにおいて, 器用なロボットハンドが高忠実性を実現することを実証した。 我々のアプローチの中心は、人間の動きパターンによく似た自然なプレプレプレッシャーとキープレッシャーのフィンガーグ戦略を生成するために、ロボットを誘導するグラフベースの最適化戦略である。 楽譜に規定される動的変動を正確に再現するためにキープレス速度を変調する物理インスパイアされた音響モデルと制御系を結合する。 定量的評価により,我々の表現制御モデルは,指の形態的類似性と動的速度精度の両方において,ベースライン法を著しく上回っていることが示された。 多様な聞き手集団の参加者を対象とした知覚テストでは,本システムにより生成された演奏は,基本的ロボット演奏よりも有意に好まれ,非専門的な観衆にとって人的演奏とは区別がつかない。 さらに,複数の音楽スタイルにわたる広範な実験により,提案手法は高い音符レベルの精度を維持しつつ,表現性能を実現していることを確認した。 我々のアプローチは、ロボットシステムが単なる機械的精度を超えて、ロボットミュージシャンの能力が人間のピアニストに匹敵する表現力のあるパフォーマンスに高めるための、堅牢な経路を提供する。

関連論文リスト

• Humanoid Musical Robots as Experimental Interfaces for Music-Evoked Emotion [1.3750624267664158]
  音楽的ヒューマノイドロボットは、音楽に誘発される感情を調査するための実験的なインタフェースである、と我々は主張する。 性能変数のパラメトリック制御を可能にするため,ヒューマノイドロボットが適していることを示す。 本研究は音楽的ヒューマノイドロボットを,将来の音楽誘発感情の調査を可能にする方法論的プラットフォームとして位置づける。
  論文  参考訳（メタデータ） (2026-08-20T03:23:36Z)
• Co-policy: Responsive Human-Robot Co-Creation for Musical Performances [58.92814200971293]
  Co-policyは、人間とロボットの共創のためのフレームワークである。 意味的意図の接地、制約のある音楽的変化、そしてビズーモータ実行を分離する。 拡散ポリティクスおよびアブレーションベースラインよりも,意図整合性,実行精度,応答周波数が向上した。
  論文  参考訳（メタデータ） (2026-06-18T08:08:16Z)
• MUSIC: Learning Muscle-Driven Dexterous Hand Control [22.43764880740859]
  本稿では,物理に基づく筋力によるデキスタラス制御のためのデータ駆動型アプローチを提案する。 提案手法は,高周波筋レベル制御と低周波潜在空間調整を組み合わせたものである。 提案手法は, 高精度なキープレスで協調したバイマニュアル動作を合成できることを実証する。
  論文  参考訳（メタデータ） (2026-04-26T21:05:34Z)
• Aggregating swarms through morphology handling design contingencies: from the sweet spot to a rich expressivity [0.12744523252873352]
  我々はロボットの自己調整力学の忠実な物理モデルを構築している。 多様な自己アライメントの強さを探索することで、集団行動の豊かな表現力が得られることを示す。
  論文  参考訳（メタデータ） (2026-01-12T14:58:47Z)
• From Score to Sound: An End-to-End MIDI-to-Motion Pipeline for Robotic Cello Performance [1.6971047370270889]
  ロボット・モーション・パイプラインに新たなエンドツーエンドMIDIスコアを提案する。 このパイプラインは、音楽入力を直接、UR5eロボットチェリストの衝突認識バウイング動作に変換する。 人間の演奏者と比較して,本手法の有効性を示すため,音楽チューリングテストを導入する。
  論文  参考訳（メタデータ） (2026-01-07T04:11:00Z)
• The Ghost in the Keys: A Disklavier Demo for Human-AI Musical Co-Creativity [59.78509280246215]
  Aria-Duetは、人間のピアニストと最先端のジェネレーティブモデルであるAriaのリアルタイム音楽デュエットを容易にするインタラクティブシステムである。 音楽学的な観点からシステムのアウトプットを分析し,そのモデルがスタイリスティックなセマンティクスを維持でき,コヒーレントなフレーズのアイデアを発達させることができることを発見した。
  論文  参考訳（メタデータ） (2025-11-03T15:26:01Z)
• FreeAction: Training-Free Techniques for Enhanced Fidelity of Trajectory-to-Video Generation [50.39748673817223]
  本稿では,ロボットビデオ生成における明示的な動作パラメータを完全に活用する2つのトレーニング不要な推論時間手法を提案する。 第一に、アクションスケールの分類器フリーガイダンスは、動作の大きさに比例して誘導強度を動的に調整し、運動強度に対する制御性を高める。 第二に、アクションスケールノイズトランケーションは、初期サンプルノイズの分布を調整し、所望の運動力学とよりよく一致させる。
  論文  参考訳（メタデータ） (2025-09-29T03:30:40Z)
• Physical Autoregressive Model for Robotic Manipulation without Action Pretraining [65.8971623698511]
  我々は、自己回帰ビデオ生成モデルを構築し、物理自己回帰モデル(PAR)を提案する。 PARは、アクション事前トレーニングを必要とせず、物理力学を理解するために、ビデオ事前トレーニングに埋め込まれた世界の知識を活用する。 ManiSkillベンチマークの実験は、PARがPushCubeタスクで100%の成功率を達成したことを示している。
  論文  参考訳（メタデータ） (2025-08-13T13:54:51Z)
• RP1M: A Large-Scale Motion Dataset for Piano Playing with Bi-Manual Dexterous Robot Hands [57.64308229980045]
  ロボットピアノ100万のデータセットには,100万回以上の軌跡の動作データをバイマニュアルで演奏するロボットピアノが組み込まれている。 指の配置を最適な移動問題として定式化し、大量の未収録曲の自動アノテーションを可能にする。 既存の模倣学習手法のベンチマークでは、RP1Mを活用することにより、最先端のロボットピアノ演奏性能に達することが示されている。
  論文  参考訳（メタデータ） (2024-08-20T17:56:52Z)
• DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models [102.13968267347553]
  本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。 我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
  論文  参考訳（メタデータ） (2023-11-28T18:58:48Z)
• Reconstructing Human Expressiveness in Piano Performances with a Transformer Network [1.5883812630616518]
  多層双方向トランスフォーマーエンコーダを用いたピアノ演奏における人間の表現性再構築手法を提案する。 ニューラルネットワークのトレーニングにおいて、精度の高いキャプチャとスコア整合性能データの必要性に対処するために、既存の転写モデルから得られた書き起こしスコアを用いてモデルを訓練する。
  論文  参考訳（メタデータ） (2023-06-09T17:05:53Z)
• RoboPianist: Dexterous Piano Playing with Deep Reinforcement Learning [61.10744686260994]
  本稿では,150曲のピアノ作品の大規模なレパートリーをシミュレートして学習するシステムであるRoboPianistを紹介する。 また,オープンソース環境,タスクのベンチマーク,解釈可能な評価指標,今後の研究課題についても紹介する。
  論文  参考訳（メタデータ） (2023-04-09T03:53:05Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。