Minseong Kweon, Qiao Feng, Yiming Huang, Lingjie Liu · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28519 · open-access PDF
Das Verständnis von Kontakt- und Berührungsgröße in der Hand-Objekt-Interaktion ist ein wichtiger Schritt in Richtung physikalisch intelligenter Systeme, aber das Lernen solcher Repräsentationen ist durch die Kosten und begrenzte Abdeckung von Berührungsmessungen begrenzt. Wir präsentieren Touch-JEPA, einen Rahmen für das Lernen von Berührungsrepräsentationen aus Hand-Objekt-Videos mit begrenzter Berührungsüberwachung.
Machine translation (Meta M2M100); the English original follows.
Understanding contact and tactile magnitude in hand-object interaction is a key step toward physically intelligent systems, yet learning such representations is limited by the cost and restricted coverage of tactile measurements. We present Touch-JEPA, a framework for learning tactile representations from hand-object videos with limited tactile supervision. We first introduce a self-supervised pretraining objective that learns from video alone without tactile supervision. Using video-derived hand geometry, Touch-JEPA predicts masked visual features at corresponding hand-surface locations from
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28519, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange