Minseong Kweon, Qiao Feng, Yiming Huang, Lingjie Liu · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28519 · open-access PDF
La compréhension du contact et de la magnitude tactile dans l'interaction main-objet est une étape clé vers des systèmes physiquement intelligents, mais l'apprentissage de telles représentations est limité par le coût et la couverture limitée des mesures tactiles. Nous présentons Touch-JEPA, un cadre pour apprendre les représentations tactiles à partir de vidéos main-objet avec une surveillance tactile limitée. Nous introduisons d'abord un objectif de pré-entraînement auto-surveillant qui apprend de la vidéo seule sans surveillance tactile. En utilisant la géométrie de la main dérivée de la vidéo, Touch-JEPA prédit des caractéristiques visuelles masquées dans les emplacements de la surface de la main correspond
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