robopianist

robopianist

机器人钢琴演奏的深度强化学习平台

RoboPianist是一个高维控制基准测试套件,通过模拟人类双手弹奏钢琴来评估机器人的精确控制和协调能力。该项目基于MuJoCo物理引擎,提供了软件工具和任务设置,支持MIDI文件处理和声音合成,为人工智能和机器人研究提供了探索复杂动作控制和接触动力学的平台。

RoboPianist深度强化学习机器人钢琴演奏高维控制MuJoCoGithub开源项目

RoboPianist: 使用深度强化学习实现灵巧的钢琴演奏

构建 文档 PyPI Python 版本 PyPI 版本

视频

RoboPianist 是一个新的高维控制基准测试套件,旨在测试高空间和时间精度、协调性和规划能力,所有这些都在一个经常建立和断开接触的欠驱动系统中进行。提出的挑战是通过双手灵巧性掌握钢琴,使用一对模拟的人体机器人手。

这个代码库包含了基准测试的软件和任务,由 MuJoCo 提供支持。


最新更新

  • [2023/12/24] 更新了安装脚本,以确保检出正确的 Menagerie 提交。请重新运行 bash scripts/install_deps.sh 以更新您的安装。
  • [2023/08/17] 添加了 像素包装器 用于增强观察空间的 RGB 图像。
  • [2023/08/11] 训练无模型强化学习策略的代码现已公开,请参见 robopianist-rl

入门

我们创建了一个入门 Colab 笔记本,演示如何使用 RoboPianist。它包括加载和自定义钢琴演奏任务的代码,以及预训练策略演奏《小星星》短片段的演示。点击下面的按钮开始吧!

在 Colab 中打开

安装

RoboPianist 支持 Linux 和 macOS,可以使用 Python >= 3.8 安装。我们建议使用 Miniconda 来管理您的 Python 环境。

从源代码安装

推荐的安装方式是从源代码安装。首先克隆仓库:

git clone https://github.com/google-research/robopianist.git && cd robopianist

接下来,安装必要的依赖:

git submodule init && git submodule update bash scripts/install_deps.sh

最后,创建一个新的 conda 环境并以可编辑模式安装 RoboPianist:

conda create -n pianist python=3.10 conda activate pianist pip install -e ".[dev]"

要测试您的安装,运行 make test 并验证所有测试是否通过。

从 PyPI 安装

首先,安装必要的依赖:

bash <(curl -s https://raw.githubusercontent.com/google-research/robopianist/main/scripts/install_deps.sh) --no-soundfonts

接下来,创建一个新的 conda 环境并安装 RoboPianist:

conda create -n pianist python=3.10 conda activate pianist pip install --upgrade robopianist

可选:下载额外音色库

我们建议安装额外的音色库以提高合成音频的质量。你可以使用RoboPianist命令行界面轻松完成这项操作:

robopianist soundfont --download

有关更多音色库相关命令,请参阅docs/soundfonts.md

MIDI数据集

由于许可限制,PIG数据集无法在GitHub上重新分发。有关下载位置和如何预处理的说明,请参阅docs/dataset

命令行界面

RoboPianist配备了命令行界面(CLI),可用于下载额外音色库、播放MIDI文件、预处理PIG数据集等。更多信息请参阅docs/cli.md

贡献

我们欢迎对RoboPianist的贡献。更多信息请参阅docs/contributing.md

常见问题

有关常见问题列表,请参阅docs/faq.md

引用RoboPianist

如果您在工作中使用了RoboPianist,请使用以下引用:

@inproceedings{robopianist2023, author = {Zakka, Kevin and Wu, Philipp and Smith, Laura and Gileadi, Nimrod and Howell, Taylor and Peng, Xue Bin and Singh, Sumeet and Tassa, Yuval and Florence, Pete and Zeng, Andy and Abbeel, Pieter}, title = {RoboPianist: Dexterous Piano Playing with Deep Reinforcement Learning}, booktitle = {Conference on Robot Learning (CoRL)}, year = {2023}, }

致谢

我们要感谢以下人士使这个项目成为可能:

  • Philipp WuMohit Shridhar一直是灵感和支持的源泉。
  • Ilya Kostrikov不断提高RL工程的标准,并提供了宝贵的调试帮助。
  • Magenta团队提供了有用的指导和反馈。
  • MuJoCo团队开发了MuJoCo物理引擎,并在整个项目中提供支持。

使用RoboPianist的作品

  • Privileged Sensing Scaffolds Reinforcement Learning, Hu等人 (论文, 网站)

许可和免责声明

MuJoco Menagerie的许可证可在此处找到。音色库许可信息可在此处找到。MIDI许可信息可在此处找到。所有其他代码均采用Apache-2.0许可证

这不是官方支持的Google产品。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多