利用高斯过程生成钢琴练习策略

学习弹奏一首钢琴曲的典型过程包括通过一系列练习单元逐步推进，这些单元专注于技能的各个维度，即所谓的练习模式。学习演奏音乐的练习模式包含大量可能性，例如手部协调、姿势、发音、读谱能力、正确的节奏或音高等。已知自我指导的练习是次优的，并且目前尚不存在一个模型来安排最优练习以最大化学习者的进步。由于每个人的学习方式不同，并且可能的钢琴练习任务和方法有很多选择，练习模式集应动态适应人类学习者，这一过程通常由教师指导。然而，由人类教师指导个人练习并不总是可行的，因为它耗时、昂贵，而且常常无法实现。在这项工作中，我们提出了一个建模框架，通过选择由策略模型生成的练习模式来引导人类学习者完成学习过程。为此，我们提出了一个基于高斯过程的计算架构，该架构包含：1）学习者状态，2）选择合适练习模式的策略，3）表现评估，以及4）专家知识。所提出的策略模型经过训练，以近似练习过程中专家与学习者的交互。在未来的工作中，我们将测试不同的贝叶斯优化技术，例如不同的采集函数，并评估它们对学习进展的影响。