CANTABILE: Learning Expressive Dynamics for Robotic Piano Performance

على مدى عقود، تركز حلم منح الروبوت لمسة بشرية حول البيانو. إنه مسرح بسيط في ظاهره للآلة: اثنتان وثمانون مفتاحاً، ويدان، وحاجة إلى دقة تضاهي أدق العمليات الجراحية. في عالم الروبوتات، أصبح عزف البيانو اختباراً معيارياً للبراعة، وطريقة لمعرفة ما إذا كان بإمكان الآلة تنسيق يدين معقدتين لضرب مفاتيح محددة في اللحظة الصحيحة تماماً. لفترة طويلة، تم قياس النجاح في هذا المجال بمعيار واحد صارم: هل عزف الروبوت النغمات الصحيحة في الوقت المناسب؟ إذا عزف الروبوت اللحن الصحيح دون ضرب المفاتيح الخطأ، كان ذلك يعتبر نجاحاً. لكن هذا المقياس أغفل روح الموسيقى. فالبيانو ليس مجرد آلة تضرب المفاتيح؛ بل هو آلة يعتمد فيها حجم الصوت والوزن العاطفي للنغمة كلياً على سرعة اصطدام المطرقة بالوتر. اللمسة اللطيفة تنتج همساً، بينما الضربة السريعة تخلق زئيراً. وحتى الآن، كان بإمكان الروبوتات عزف النغمات، لكنها لم تكن قادرة على عزف الشعور، لأن الأنظمة المستخدمة لتدريبها لم تكن تهتم بسرعة الضربة، بل فقط بدقة وضع الأصابع.

قام فريق من الباحثين في جامعة KAIST وDGIST في كوريا الجنوبية ببناء نظام جديد يسمى CANTABILE لتغيير ذلك. يعالج عملهم فجوة أساسية في كيفية تعلم الروبوتات عزف الموسيقى. غالباً ما فشلت المحاولات السابقة لتعليم روبوتات ديناميكيات البيانو لأن الروبوتات تعلمت "خدعة": لكي تحصل على درجة عالية في عزف الحجم الصحيح، كانت ببساطة تتوقف عن عزف النغمات الصعبة التي يصعب التحكم فيها. ومن خلال حذف الأجزاء الصعبة، تجنبت مخاطر ارتكاب خطأ، مما أدى إلى أداء يبدو مثالياً في البيانات ولكنه ناقص في الواقع. أدرك الباحثون أنه لتعليم الروبوت التعبير الحقيقي، كان عليهم إجباره على الاهتمام بشيئين في آن واحد: ضرب كل نغمة في ورقة الموسيقى، وضرب كل منها بالشدة الصحيحة. لقد صمموا إطار تعلم يعامل سرعة ضغط المفتاح كهدف أساسي، لا يقل أهمية عن ضرب النغمة نفسها.

يكمن جوهر ابتكارهم في طريقة تربط الموسيات المكتوبة مباشرة بالحركة الفيزيائية لأصابع الروبوت. في الإعداد التقليدي، قد يخبر الكمبيوتر الروبوت بضغط مفتاح، وسيقوم الروبوت بذلك بسرعة ثابتة. ومع ذلك، فإن CANTABILE ينظر مسبقاً إلى النوتة الموسيقية ليرى نوع الصوت المطلوب تالياً. إذا كانت النوتة تتطلب نغمة عالية، يتوقع النظام ذلك ويوجه أصابع الروبوت للتحرك بشكل أسرع. والأهم من ذلك، أن النظام يقيس السرعة الفعلية للمفتاح في لحظة ضغطه ويترجم تلك السرعة الفيزيائية إلى اللغة الرقمية للحجم (الجهارة). وهذا يخلق حلقة مغلقة حيث يمكن للروبوت رؤية نتيجة فعله. إذا ضرب بنعومة زائدة، سيعرف ذلك فوراً. كما قدم الباحثون قاعدة تمنع الروبوت من تخطي النغمات؛ حيث يكافئ النظام الروبوت فقط إذا نجح في عزف النغمة و حصل على الحجم الصحيح. إذا تخطى الروبوت نغمة صعبة لتجنب خطأ في الحجم، فإنه يُعاقب. هذا يجبر الروبوت على تعلم كيفية التحكم في سرعته دون التضحية باللحن.

لاختبار هذا النهج، أنشأ الباحثون مجموعة جديدة من واحد وخمسين أغنية تم اختيارها خصيصاً لتنوع مقاطعها الصاخبة والهادئة، وهي مجموعة أطلقوا عليها اسم EXPRESSIVE-51. وقارنوا نظامهم الجديد بأفضل الطرق السابقة، والتي كانت ممتازة في ضرب النغمات الصحيحة ولكنها سيئة للغاية في التحكم في الحجم. كانت النتائج تحولاً دراماتيكياً في القدرة. فقد تمكنت الأنظمة القديمة من عزف النغمات الصحيحة بنسبة 78% تقريباً، لكن قدرتها على مطابقة الحجم المقصود كانت شبه معدومة، حيث سجلت صفراً تقريباً على مقي_س يقيس التوقيت والجهارة معاً. أما النظام الجديد، CANTABILE، فقد رفع هذا المجموع بشكل كبير، حيث ضاعف أداء أفضل طريقة سابقة وأكثر من الضعف، وقلل الخطأ في الحجم بأكثر من النصف. لم يعد الروبوت يعزف النغمات فحسب؛ بل كان يعزف الموسيقى بالشكل الديناميكي المقصود، متنقلاً من الهمسات الناعمة إلى الإعلانات الصاخبة كما تقتضي النوتة.

اكتشف الباحثون أيضاً أن الطريقة التي تعلم بها الروبوت كانت لا تقل أهمية عن الشيء الذي تعلمه. وجدوا أن محاولة تعليم الروبوت كل شيء من الصفر — كيفية تحريك يديه، وأي المفاتيح يضغط، ومدى سرعة ضربها جميعاً في وقت واحد — غالباً ما تؤدي إلى الارتباك. بدلاً من ذلك، استخدموا عملية من خطوتين: أولاً، قاموا بتدريب روبوت "أساسي" لعزف النغمات بدقة، تماماً مثل الأنظمة القديمة. ثم قاموا بتجميد هذا الأساس وأضافوا طبقة تعلم متخصصة وصغيرة تركز فقط على الأصابع. تعلمت طبقة التعديل الصغيرة هذه ضبط سرعة ضربات الأصابع للحصول على الحجم الصحيح، دون الإخلال بتنسيق اليد الدقيق الذي أتقنه الروبوت الأساسي بالفعل. سمح هذا النهج للروبوت بصقل تعبيره دون فقدان دقته. علاوة على ذلك، أظهروا أن هذا النظام يمكن التحكم فيه في الوقت الفعلي؛ فمن خلال إعطاء الروبوت أمراً بسيطاً بالعزف بشكل "أعلى" أو "أخفض"، يمكن للنظام تعديل الأداء بأكمله أثناء العمل، وتغيير حجم الموسيقى صعوداً أو هبوطاً دون الحاجة لإعادة التدريب.

بينما تعد النتائج مثيرة للإعجاب، يحرص الباحثون على توضيح حدود عملهم. فقد أُجريت الدراسة بأكملها في محاكاة حاسوبية مفصلة للغاية، وليس على بيانو حقيقي في العالم الواقعي. إن العلاقة بين سرعة المفتاح والصوت الذي ينتجه معقدة وغير خطية، ويستخدم النظام تقريباً رياضياً لسد تلك الفجوة. لم يختبر الفريق هذا بعد على روبوت حقيقي يعزف على بيانو حقيقي، وهي خطوة لا تزال تشكل تحدياً كبيراً في هذا المجال. بالإضافة إلى ذلك، يركز النظام حالياً على الحجم فقط؛ فهو لا يتحكم بعد في سرعة الموسيقى أو طريقة فصل النغمات، وهي عناصر حيوية أخرى في التعبير الموسيقي. ورغم هذه القيود، يوضح العمل مساراً واضحاً للمستقبل. فمن خلال جعل الروبوت مدركاً للنتائج الفيزيائية لأفعاله وإجباره على الموازنة بين الدقة والتعبير، نقل الباحثون عزف البيانو الروبوتي من مجرد تمرين ميكانيكي إلى مجال الأداء الموسيقي الحقيقي. لم تعد الآلة تكتفي بضرب المفاتيح؛ بل بدأت تتعلم كيف تستمع إلى الموسيقى التي تصنعها.