作者在上海参加陈必先的独奏会，发现便捷的打车路线，并意外获得WWDC票。市场会后，前往捷豹音乐厅欣赏亲密的钢琴演奏，感受生活气息。

本研究提出了RP1M数据集，解决了双手机器人钢琴演奏中的多任务学习问题。通过将指法定位视为最优运输问题，实现了对大量无标签歌曲的自动标注。利用RP1M后的模仿学习方法达到了最先进的机器人钢琴演奏表现。

该论文提出了一种视觉-运动策略学习框架，通过人类示范对视频扩散模型进行微调，实现人机操作者之间的隔阂弥合。通过生成新颖场景的图像作为条件的任务执行示例，并直接使用合成的执行结果来控制机器人，实现更高程度的泛化。