Minseong Kweon, Qiao Feng, Yiming Huang, Lingjie Liu · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28519 · open-access PDF
손과 물체의 상호 작용에서 접촉과 터치 크기를 이해하는 것은 물리적으로 지능형 시스템을 향한 핵심 단계이지만, 그러한 표현을 배우는 것은 비용과 터치 측정의 제한된 범위에 의해 제한됩니다. Touch-JEPA는 제한된 터치 감시와 함께 손과 물체 비디오에서 터치 표현을 배우기위한 프레임 워크입니다. 우리는 먼저 비디오에서만 터치 감시없이 배울 수있는 자기 감독 프리 트레이닝 렌즈를 도입합니다. 비디오 파생 손 기하학을 사용하여 Touch-JEPA는 해당 손 표면 위치에서 가려진 시각적 특성을 예측합니다.
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