{
  "paper_id": "57a3a89de9459570d3b4257b0ecd2da1",
  "paper_title": "FEEL (Force-Enhanced Egocentric Learning): A Dataset for Physical Action Understanding",
  "paper_authors": [
    "Eadom Dessalene",
    "Botao He",
    "Michael Maynord",
    "Yonatan Tussa",
    "Pavan Mantripragada",
    "Yianni Karabatis",
    "Nirupam Roy",
    "Yiannis Aloimonos"
  ],
  "publication_date": "",
  "publication_venue": "unknown",
  "abstract": "本文提出 FEEL（Force-Enhanced Egocentric Learning），这是首个将定制压阻手套采集的力测量与自我中心视频配对的大规模数据集。该手套支持可扩展的数据采集，FEEL 包含约 300 万帧与力同步的厨房环境自然、无脚本操作视频，其中约 45% 的帧涉及手物接触。由于力是驱动物理交互的根本原因，它是物理动作理解的关键基元。作者将 FEEL 用于两类任务以验证力的作用：一是接触理解，联合进行时间接触分割和像素级被接触物体分割；二是动作表征学习，将力预测作为视频骨干网络的自监督预训练目标。该方法在时间接触分割上达到当前最优水平，并在无需人工被接触物体分割标注的情况下取得具有竞争力的像素级分割结果。此外，基于 FEEL 的动作表征学习在 EPIC-Kitchens、SomethingSomething-V2、EgoExo4D 和 Meccano 上无需人工标签即可提升动作理解任务的迁移性能。\n",
  "keywords": [
    "FEEL 数据集",
    "力觉测量",
    "自我中心视频",
    "手物交互",
    "接触理解",
    "时间接触分割",
    "像素级分割",
    "动作表征学习",
    "自监督预训练",
    "可穿戴传感"
  ],
  "paper_institutions": [
    "University of Maryland, College Park, USA"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "doubao-seed-2.1-pro",
  "prompt_template": "simple",
  "extracted_at": "2026-10-20T04:18:44.889214Z",
  "template_tag": "deep_read",
  "summary": "# FEEL (Force-Enhanced Egocentric Learning): A Dataset for Physical Action Understanding\n\n\n**作者 / Authors:** Eadom Dessalene, Botao He, Michael Maynord, Yonatan Tussa, Pavan Mantripragada, Yianni Karabatis, Nirupam Roy, Yiannis Aloimonos\n\n\n**单位 / Institutions:** University of Maryland, College Park, USA\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n\n\n\n## 第一轮：问题与贡献\n\n\n### 材料与类型\n\n材料检查：文档包含正文、图1–7、表1–4和参考文献；多次引用补充材料，但补充材料未随文提供；项目主页链接已给出，但本环境未访问；正式发表时间与 venue 未报告，因此留空。\n原型判断：system。论文的核心贡献是数据采集系统（自制压阻手套＋Aria）、大规模数据集、力派生监督管线和训练/评测流程，同时提出接触理解与力预训练方法；它不是纯算法论文，也不是综述，因此按 system 处理更合适。\n影响解读的缺口：补充材料缺失使传感器校准/同步、滤波参数、双阈值选择、伪标签接受阈值等关键细节无法核验；手套硬件限制（长时间佩戴不适、传感器漂移/弯折、指尖遮挡）和伪标签依赖运动线索会限制结论外推；代码与数据实际可用性、正式版本信息待核实。\n\n\n\n\n\n### 问题\n\n问题：从第一视角视频理解手-物操作时，视觉主要观测外观和运动，缺少驱动物理交互的力；接触的起始/结束和接触对象在 RGB 中常模糊。作者要解决的是：构建带同步力的第一视角数据集，并用它产生可扩展的接触监督和物理 grounded 表征。重要性：力是低维因果信号，可改善接触分割、动作识别及下游机器人/AR-VR。现有不足：大规模第一视角数据集（Ego4D、VISOR、HOI4D 等）有接触标注但无力；有力数据集多为仿真/受控/简单任务或规模小；人工接触标注昂贵且手别/边界噪声大。形式化：对每帧 t 和手 h，给定图像 I_t，预测接触状态 c_t^h ∈ {0,1} 与接触对象掩码 M_t^h；预训练时由视频片段预测每只手力 f_t^h，再迁移到动作识别。\n\n\n\n\n\n### 概览与阅读路线\n\n一句话：FEEL 用自制压阻手套与 Aria 眼镜采集约300万帧、27小时第一视角力-视频数据，以力派生接触标签训练接触理解模型，并以视频预测力做自监督预训练。\n核心思路与贡献：把力视为物理动作的因果原语；硬件为6个 Flexiforce A301 传感器（5指尖＋掌部条带），与 Aria 同步；约45%帧有接触，发布1.35M接触帧、1.65M非接触帧及对象分割；用 Hampel 滤波、高斯平滑、滚动基线、双阈值等得到接触标签；用 SAM3 概念掩码、SEA-RAFT 光流、MPS 位姿和 DepthPro 深度，通过掩码内 Sampson 极线误差最大且靠近手部3D质心生成接触对象伪标签；接触模型为冻结 DINOv3 特征＋DPT，输出左右手二值接触和双通道掩码；动作表征用视频到力预测预训练 Hiera-B/EgoVideo-B，再迁移动作识别。相对已有工作，贡献是最 大真实第一视角力-视频数据集、可扩展力派生接触标签、自监督力预训练管线、新的接触估计模型。\n最重要结果与条件：Table 2 显示仅在 FEEL 训练、无人工接触标签的模型在 FEEL/VISOR/HOI4D 取得 BC 95.6/87.3/82.2、BSC 88.9/79.7/81.3，超过全监督 100DOH 等；Table 3 分割为 FEEL 0.625、HOI4D 0.751、VISOR 0.399 IoU，属竞争性而非全面 SOTA；Table 4 显示力预训练在冻结设置提升更明显，且小数据集收益更大，但展开微调下 EgoVideo 在 EPIC-Kitchens verb/noun 和 Ego-Exo4D 有轻微下降。条件是零样本迁移、基线训练集不同、分割依赖弱概念提示和伪标签、动作预训练是在 K710/Ego4D 权重上继续微调而非联合预训练。\n作者主张与证据边界：作者称 SOTA 时序接触分割在三个基准上成立（在表2比较范围内）；“无需人工标注”应理解为无需人工接触/对象分割标注，但仍使用对象名词弱标签、SAM3、光流、深度和 MPS；动作识别“普遍提升”应限定为多数设置/数据集，并非所有单元。\n优先章节/图表：3.1与 Fig.4（硬件/同步）、Fig.3与3.2（力阈值和伪标签）、Table 2/3（接触）、3.3与 Table 4（动作表征）、Sec.5 局限。\n下一轮问题：补充材料中的校准/同步步骤、滤波与双阈值参数、伪标签接受阈值和失败率；数据划分与基线可比性；力单位/归一化与传感器漂移；动作预训练计算量和统计显著性。\n过渡：下一轮可沿数据管线和方法细节核验这些结果的可复现性与边界。\n\n\n\n\n## 第二轮：方法与证据\n\n\n### 方法与公式\n\n输入→关键步骤→输出：\n\n1) 数据采集。输入：操作者佩戴每只手套6路压阻传感器（5指尖+掌部条带，Flexiforce A301，量程45N），配Arduino Nano、3.3V LiPo与开关；用Aria Gen1采集RGB 1440×1440、双侧单色640×480、7麦克风、IMU 800/1000Hz。输出：时间同步的力-视频-音频流；同步/校准为三步流程，正文未给细节，采样率、力单位、标定误差待核验。\n2) 力→接触状态。对每路传感器：Hampel去离群→高斯平滑→滚动百分位基线→减基线并负值截零→剔除基线突变/高RMS区段；用99.5百分位归一化；六路取几何平均 F_t=(∏_{s=1}^6 f_{s,t})^{1/6}（由文字描述推断的式子）。双阈值：F_t>τ_C为接触，F_t<τ_NC为非接触，中间为模糊区并排除；输出逐帧、每手接触状态。τ_C、τ_NC未在正文报告。\n3) 接触物分割伪标签。输入：接触帧、SAM3概念掩码（对象名词来自每2分钟窗口8帧的弱标注，是唯一弱标签）、SEA-RAFT光流、MPS内参/外参/手关键点、DepthPro米制深度。步骤：对每个proposal取掩码内光流；用MPS位姿计算当前帧与下一帧的基础矩阵F；计算掩码内Sampson误差 d_S=(x'^T F x)^2/[(F x)_1^2+(F x)_2^2+(F^T x')_1^2+(F^T x')_2^2]（标准定义，论文只给名称）；选平均误差最大的proposal；若掩码内足够多像素的三维点与手部三维质心距离小于δ，则接受。输出：500K图像二值接触伪标签，其中180K带接触物二值分割；δ、像素数、接受阈值未报告。\n4) 接触模型。输入单张RGB；冻结DINOv3特征→DPT；每只手两个头：二值接触logit与接触物单通道掩码（合为双通道）。仅当手在图像中可见时监督对应头；随机裁剪与水平翻转，翻转时同步镜像图像和标签。输出每帧左右手接触状态与像素掩码。\n5) 视频→力预训练。输入视频片段；筛选至少一只手在50%帧可见的片段；视频骨干（Hiera-B或EgoVideo-B）预测每手力，以力预测为自监督目标；预训练后丢弃force head，迁移到动作识别。因算力限制，不是K710/Ego4D+FEEL联合预训练，而是从K710/Ego4D权重初始化后在FEEL上继续微调，再迁移。\n关键模块：力采集与同步、接触导出、伪标签生成、DINOv3+DPT接触模型、视频到力预训练。\n\n\n\n\n\n### 评测设置\n\n数据与评测条件：\n\n- FEEL：约3M帧、约27h、厨房自然无脚本操作，约45%接触；发布1.35M接触帧、1.65M非接触帧；500K接触伪标签图像，180K带分割。\n- 接触检测/分割：在FEEL、EPIC-VISOR、HOI4D验证集评测；指标BC/BSC（表2数值按百分比准确率理解）与IoU。\n- 动作识别：EPIC-Kitchens-100（verb/noun）、SSV2、Ego-Exo4D、Meccano；指标Top-1；分frozen与unfrozen。\n- 基线：接触检测Depth[^3]零样本、HOIRef[^2]、VISOR[^10]、100DOH[^32]；分割MOVES[^19]、SAM3[^5]、VISOR、100DOH+SAM；动作Hiera-B(K710) vs +FEEL、EgoVideo-B(Ego4D) vs +FEEL。\n- 比较条件：Ours接触模型只在FEEL训练，基线多在VISOR/100DOH训练；100DOH训练于两个大数据集，分割还加SAM。动作“Ours”是在K710/Ego4D权重上继续用FEEL力数据微调，比较含额外数据/算力。\n- 缺口：正文未给训练/验证划分细节、场景或受试者分离、训练轮数、学习率、batch size、算力、阈值、力采样率、误差棒/显著性；补充材料未随文提供，无法核验。4.2处“see Table 1”按内容应为Table 4。\n\n\n\n\n\n### 结果与证据\n\n决定性结果与证据边界：\n\n- 表2时序接触：Ours在FEEL 95.6 BC/88.9 BSC，VISOR 87.3/79.7，HOI4D 82.2/81.3；100DOH对应49.0/40.0、81.3/71.9、90.0/80.5。Ours在FEEL、VISOR的BC/BSC与HOI4D的BSC领先；但HOI4D BC 82.2<100DOH 90.0，故“三个基准全面SOTA”不严格成立（至少BC不成立）。BC-BSC差距较小支持手别更稳，属推断。\n- 表3分割IoU：FEEL 0.625 vs 100DOH+SAM 0.218；HOI4D 0.751 vs 0.765；VISOR 0.399 vs 0.443。属竞争性而非全面SOTA；VISOR/HOI4D略低，作者归因于100DOH全监督+VISOR训练+SAM，而Ours零样本。\n- 表4动作：frozen下两种骨干全部提升：Hiera-B EPIC verb 41.65→46.50、noun 15.12→21.38、SSV2 36.08→39.04、Ego-Exo4D 13.11→20.83、Meccano 26.42→29.57；EgoVideo-B 59.24→62.00、29.42→30.11、49.61→54.34、26.00→27.75、36.59→38.23。unfrozen多数提升但非全部：Hiera-B verb 68.34→68.24（-0.10）；EgoVideo-B noun 55.67→55.60（-0.07）、Ego-Exo4D 40.92→40.75（-0.17）。\n- 证据强度：支持力监督可学有用表征，尤其frozen和小数据集；但无消融拆解力信号各处理步骤、无阈值敏感性、无误差棒/显著性、无与从头训练或联合预训练的对照；动作基线已含K710/Ego4D，提升不能全归因于FEEL。接触模型的分割伪标签质量未单独评估失败率。“无人工标签”应限定为预训练阶段无需人工接触/分割/动作标签；对象名词弱标签、SAM3、光流、深度与MPS仍被使用，下游动作识别仍用标签训练分类器。表1与表注的“唯一性”矛盾也削弱数据贡献的表述强度。\n\n\n\n\n\n### 相关工作\n\n最近邻工作与差异：\n\n- OpenTouch [^38]：同为真实第一视角，含V/A/F/E、接触与力；FEEL约27h vs 5h（>5×），且覆盖接触理解与力预训练，OpenTouch更偏抓取分类。表1为作者自报，未外部核验。\n- 接触数据集：VISOR、HOI4D、100DOH、Ego4D-FHO有接触/交互标注但无力；Ego4D-FHO仅每段一个关键帧接触标注。FEEL用物理力直接导出逐帧接触，避免人工标注接触边界。\n- 力/物理数据集：Zhang et al. [^43] 1h、非真实采集、无接触；Ehsani et al. [^14] 0.5h、外视角/仿真、有接触+力；机器人触觉/力工作[^9] [^11] [^42]多限于简单抓放。FEEL的差异是自然无脚本厨房操作、真实第一视角、力-视频同步且带接触标签。\n- 方法差异：已有接触模型依赖人工接触/分割标注或半自动传播；FEEL用Hampel/滚动基线/双阈值从力导出自监督接触标签，用SAM3概念掩码+光流+深度+MPS位姿生成弱监督分割伪标签。代价是硬件校准、传感器漂移、指尖遮挡和伪标签依赖运动，不能分割静止接触物。\n注意：表1与表注存在矛盾——OpenTouch被列为Ego/Real/Contact✓/Forces✓，但表注称FEEL是唯一真实第一视角同时有接触和力的数据集；按表1，FEEL的独特性主要是规模与任务覆盖，而非唯一性。该矛盾未解释，需核验。\n\n\n\n\n\n### 关键图表解读\n\n1) Fig.3（Sec.3.2）：展示原始力、合并力与双阈值，说明视觉相似帧可由力定接触边界；支撑“力派生接触监督可扩展”。限制：阈值、滤波参数在补充材料，正文不可核验；模糊区被排除会改变正负样本分布。\n2) Fig.4（Sec.3.1）：手套6个压阻传感器、Arduino、电池与开关及佩戴形态；支撑低成本可扩展采集。限制：未量化佩戴舒适度、漂移、指尖遮挡对数据质量的影响。\n3) Table 2（Sec.4.1）：三个数据集时序接触BC/BSC；核心证据。Ours在FEEL/VISOR领先，HOI4D BSC领先但BC低于100DOH；比较条件为Ours仅FEEL训练、基线在VISOR/100DOH训练，属跨数据集零样本比较。\n4) Table 3（Sec.4.1）：分割IoU；Ours在FEEL远高，在VISOR/HOI4D略低于100DOH+SAM。支撑“弱监督竞争性”，不支持全面SOTA；100DOH+SAM额外用Internet-scale SAM，Ours零样本。\n5) Table 4（Sec.4.2）：动作识别frozen/unfrozen；支撑力预训练在frozen普遍提升、小数据集收益更大；unfrozen有轻微下降，说明收益依赖适配方式。无显著性检验。\n过渡：以上图表给出主要证据与边界，下一节评估整体贡献、可复现性与部署成本。\n\n\n\n\n\n### 术语表\n\n术语表：\n\n- 第一视角（egocentric）：相机随佩戴者移动，画面近似其视点；FEEL用Aria采集。\n- 压阻式传感器（piezoresistive）：受力改变电阻，经分压/ADC转为力读数；Flexiforce A301量程45N，成本低但漂移和弯折敏感。\n- 力作为物理原语：把力视为驱动交互的因果低维信号；视觉主要给外观/运动，力给接触与动力学约束。\n- 接触状态/BC/BSC：BC只看手-物是否接触，不管左右手；BSC还要求手别正确。\n- 双阈值（dual threshold）：上阈值τ_C判接触，下阈值τ_NC判非接触，中间为模糊区并排除；比单阈值更耐噪声，但会丢样本。\n- Hampel滤波：滑动窗口内用中位数与MAD替换离群点，抑制尖峰噪声。\n- 滚动百分位基线（rolling percentile baseline）：用滑动窗口低/高百分位估计随时间漂移的零点，再减基线。\n- 几何平均力信号：六路归一化力取几何平均，降低单传感器故障影响；对零值敏感，需截零/加小量。\n- 自监督/弱监督：接触标签由力自动导出，属自监督；分割伪标签用对象名词概念提示，属弱监督。\n- SAM3概念提示：用文本/概念提示分割候选物体，产生掩码proposal；不是人工分割标注。\n- SEA-RAFT：光流网络，提供相邻帧稠密对应；用于掩码内运动/极线误差。\n- MPS：Meta Machine Perception Services，提供Aria的6-DoF轨迹、内外参和3D手关键点。\n- 基础矩阵F与Sampson极线误差：F编码两视图极线几何；静态场景中对应点应满足x'^T F x=0；Sampson距离把该约束化为像素尺度残差，越大越违反静态假设，提示物体在动。\n- 伪标签（pseudolabel）：模型/规则生成的替代标签；FEEL用其训练分割，避免人工掩码。\n- DINOv3/DPT：DINOv3为冻结视觉骨干，DPT为稠密预测头；接触模型用其输出接触logit与双通道掩码。\n- 力预训练（video-to-force pretraining）：用视频片段预测力作为代理任务，学物理grounded表征，再丢弃力头迁移。\n- Hiera-B/EgoVideo-B/K710：Hiera-B为视频Transformer骨干，K710为Kinetics-710预训练；EgoVideo-B为第一视角视频骨干，Ego4D为预训练数据。\n- frozen/unfrozen：frozen只训练下游分类头、骨干不动；unfrozen端到端微调。\n- IoU/Top-1：IoU为分割交并比；Top-1为动作识别首选类别准确率。\n- BC-BSC gap：同一模型两指标差值，越大表示手别判别越弱。\n\n\n\n\n\n### 全部图表索引\n\n图索引：\n\n- Fig.1（Sec.1前）：FEEL配对第一视角视频与力，强调物理原因而非视觉效果；支撑动机。\n- Fig.2（Sec.1）：抓取/抬起锅与搅拌的力签名；支撑力可区分交互动态。\n- Fig.3（Sec.1/3.2）：原始力、合并力与双阈值接触检测；支撑可扩展接触监督；解读见module_d。\n- Fig.4（Sec.3.1）：手套硬件三视图（传感器、Arduino、开关、佩戴）；支撑采集系统；解读见module_d。\n- Fig.5（Sec.3）：接触理解与动作表征学习流程；支撑方法总览。\n- Fig.6（Sec.4.1）：抓杯时序接触预测；支撑接触边界定位的定性证据。\n- Fig.7（Sec.4.1）：FEEL/HOI4D/VISOR分割定性对比；支撑手别、邻近误判、双手接触分析。\n表索引：\n- Table 1（Sec.3.1）：数据集比较（view/scale/real/modalities/contact/forces）；支撑FEEL规模与多模态定位；表注“唯一性”与OpenTouch行矛盾，需核验。\n- Table 2（Sec.4.1）：时序接触BC/BSC；核心定量证据；解读见module_d。\n- Table 3（Sec.4.1）：接触物分割IoU；核心定量证据；解读见module_d。\n- Table 4（Sec.4.2）：动作识别Top-1；核心定量证据；解读见module_d。\n缺失/注意：补充材料未随文提供；正文无编号公式；Fig.4的b/c子图标签不完整；4.2正文误写“Table 1”应为Table 4。\n\n\n\n\n## 第三轮：评估与复现\n\n\n### 可信度、局限与复现\n\n可信结论（按证据强度）：\n\n1) 数据集与采集系统存在且规模明确：约3M帧、27小时、约45%接触，1.35M接触帧/1.65M非接触帧，500K接触伪标签、180K带分割（Sec.1、3.1、3.2）。这些是文内自报，未外部核验。\n2) 力派生接触监督可行：Fig.3展示视觉相似帧由力定边界；Table 2在FEEL上95.6 BC/88.9 BSC，VISOR 87.3/79.7，HOI4D 82.2/81.3。但“三个基准全面SOTA”不严格：HOI4D BC 82.2低于100DOH 90.0。比较是Ours仅FEEL训练、基线在VISOR/100DOH训练，属跨数据集零样本比较。\n3) 弱监督分割有竞争力但非全面SOTA：Table 3 FEEL 0.625远高于100DOH+SAM 0.218；HOI4D 0.751略低于0.765；VISOR 0.399低于0.443。作者归因于基线全监督+VISOR训练+SAM，Ours零样本。\n4) 力预训练在frozen设置多数提升：Table 4 Hiera-B/EgoVideo-B frozen全部提升；unfrozen多数提升但有轻微下降（Hiera-B EPIC verb 68.34到68.24；EgoVideo-B noun 55.67到55.60、Ego-Exo4D 40.92到40.75）。无显著性/误差棒；基线已含K710/Ego4D，且Ours是继续微调，提升不能全归因FEEL。\n\n“无需人工标注”应限定为：预训练阶段无需人工接触/对象分割/动作标签；对象名词弱标签、SAM3、光流、深度、MPS仍被使用，下游分类器仍用标签训练（Sec.3.1-3.3、4）。\n不足/待核验：补充材料缺失，τ_C/τ_NC、Hampel窗口、高斯σ、滚动百分位、归一化细节、伪标签δ/像素数/接受阈值、采样率/力单位/校准误差均未报告；无训练/验证划分、场景/受试者分离、训练轮数、学习率、batch size、算力、显著性。Table 1表注称FEEL唯一，但同表OpenTouch行也是Ego/Real/Contact✓/Forces✓，矛盾未解释。4.2正文“see Table 1”按内容应为Table 4。\n关键假设与失败场景：\n\n- 假设力信号经滤波/归一化后可跨会话比较；若传感器漂移/弯折/佩戴差异大，双阈值会错分，模糊区排除改变正负分布。证据是作者自述漂移/噪声和补充材料校准；未给量化。\n- 假设接触物在掩码内运动违反极线约束；静止接触物（桌子、重物）无法分割（Sec.5明确）。光流失败、深度尺度错误、MPS位姿误差、SAM3概念缺失会导致伪标签错误；失败率未评估。\n- 假设手可见时力监督可学；手遮挡/出画时对应头无监督，可能偏置。动作预训练只选至少一只手50%帧可见的片段（Sec.3.3），限制覆盖。\n- 假设力预训练收益来自力信号；但比较含额外数据/算力，无消融拆解各处理步骤，无随机种子/显著性。\n复现计划：\n必需工件：Aria Gen1录制与MPS输出（轨迹、内外参、3D手关键点）；自制6路Flexiforce A301手套、Arduino Nano、3.3V LiPo、开关；Aria SDK/工具；SAM3、SEA-RAFT、DepthPro、DINOv3、DPT、Hiera-B/EgoVideo-B权重；FEEL数据/代码（项目页给出但未访问，可用性待核验）；补充材料（缺失，是主要blocker）。\n关键设置：每手6路传感器；Hampel去离群→高斯平滑→滚动百分位基线→减基线负值截零→剔除基线突变/高RMS；99.5百分位归一化；六路几何平均；双阈值τ_C/τ_NC（数值待补充材料）。伪标签：2分钟窗口8帧名词弱标签→SAM3概念掩码；SEA-RAFT光流；MPS基础矩阵；掩码内Sampson误差最大；3D手质心距离δ内足够像素才接受（δ/像素数待补充）。接触模型：冻结DINOv3+DPT，左右手各二值接触头+单通道掩码，手可见才监督，随机裁剪/水平翻转并镜像标签。动作预训练：至少一只手50%帧可见的片段，Hiera-B/EgoVideo-B从K710/Ego4D初始化，预测每手力，丢弃force head迁移。\n验证步骤与成功标准：\nA. 力到接触复现：在同一会话留出片段上扫描τ_C/τ_NC和滤波参数，报告BC/BSC、模糊区比例、跨会话校准误差；成功标准：FEEL验证集BC/BSC接近Table 2（如BC≥95、BSC≥88），且跨会话下降可量化。\nB. 伪标签审计：分层抽样180K分割伪标签，人工检查接触物IoU/失败类型（静止物、邻近误判、双手）；成功标准：伪标签精度/召回可报告，失败模式与Sec.5一致；若静止物失败率高，需加入深度/语义线索。\nC. 接触模型：按Table 2/3在FEEL/VISOR/HOI4D验证；成功标准：复现FEEL Table 2和FEEL Table 3 0.625 IoU量级；VISOR/HOI4D允许竞争性差距。\nD. 动作预训练归因：同算力对照（K710/Ego4D继续微调但无FEEL、随机初始化、联合训练、只用力头随机标签）；成功标准：frozen提升可重复且大于对照，unfrozen负迁移可解释；报告多种子均值/方差。\nE. 部署成本：测推理延迟、内存、手套佩戴时长/漂移；成功标准：论文未给阈值，需自定可接受范围。\nBlockers：补充材料缺失使A/B的精确参数不可复现；MPS/SAM3/DepthPro/SEA-RAFT许可与版本未核验；数据/代码实际下载未验证；自制硬件一致性未核验。\n\n\n\n\n\n### 应用约束\n\n数据：约27小时、3M帧厨房自然操作第一视角，约45%接触；发布1.35M接触帧、1.65M非接触帧、500K接触伪标签、180K带分割。采集需Meta Aria Gen1加自制6路Flexiforce A301手套、Arduino Nano与3.3V LiPo；长时间佩戴不适、传感器漂移/弯折、指尖遮挡被作者列为限制（Sec.5），跨会话需三步校准但细节在未提供的补充材料中。\n计算：接触模型用冻结DINOv3加DPT，训练成本相对可控（推断，论文未给算力）；动作预训练受算力限制，未做K710/Ego4D+FEEL联合预训练，而是从已有权重继续在FEEL上微调（Sec.4.2），说明全量联合预训练成本较高。\n延迟：论文未报告推理延迟、吞吐、内存或嵌入式部署；接触模型只输入单张RGB，部署时不需要力传感器（推断），但DINOv3+DPT实际延迟待测。\n鲁棒性：伪标签依赖运动线索，静止接触物（桌子、重物）无法分割（Sec.5明确）；依赖SAM3概念提示、SEA-RAFT光流、DepthPro深度和MPS位姿；力阈值需按会话校准；手出画时对应头无监督。\n适用性：已演示的是厨房第一视角离线训练与跨数据集评测（FEEL/VISOR/HOI4D，Table 2/3），分割为竞争性而非全面SOTA；机器人、AR-VR应用是展望，未演示在线部署。数据/代码可用性：项目页已给但本环境未访问，发布范围与许可待核验。\n\n\n\n\n\n### 探索问题\n\n1) 力阈值与跨会话校准的敏感性：验证方法为获取补充材料后，固定硬件与滤波流程，在FEEL同一会话留出片段和跨会话片段上扫描τ_C/τ_NC、Hampel窗口、滚动百分位与归一化分位数，报告BC/BSC、模糊区比例和校准误差。可能收益是明确双阈值是否可跨受试者/佩戴重复使用，降低复现门槛。风险是阈值扫描会过拟合验证集，且模糊区排除本身改变正负样本分布，需独立测试集与预注册指标。\n2) 分割伪标签的失败模式与静止接触物：验证方法为从500K接触伪标签中分层抽样，人工审计180K带分割子集的接触物IoU与失败类型（静止物、邻近误判、双手、光流失效），并加入桌子/重物等静止接触场景比较运动线索与深度/语义线索。可能收益是量化伪标签精度并决定是否引入非运动线索。风险是人工审计成本高、抽样偏差，且新增线索可能引入新的域偏移。\n3) 力预训练收益的归因与算力匹配：验证方法为同算力对照——K710/Ego4D权重继续微调但不用FEEL、随机初始化、K710/Ego4D+FEEL联合预训练、只用力头随机标签；在Table 4的frozen/unfrozen设置上多种子报告均值/方差。可能收益是判断提升来自力信号还是额外数据/算力。风险是计算量大，且联合预训练可能改变结论；若负迁移存在，需报告并解释。\n\n\n\n\n\n### 引用与核验\n\n核验说明：本环境未访问外部网页、补充材料或代码库，以下只基于所给PDF正文、表与参考文献条目；外部事实均标待核验。\n\n- 新颖性与最强比较：Table 1表注称FEEL是唯一真实第一视角同时有接触和力的数据集，但同表OpenTouch [^38]行为Ego/Real/Contact✓/Forces✓，矛盾未解释；因此“唯一”不能作为已核验事实，需查[^38]原文与数据卡。Table 2/3的最强基线100DOH [^32]、VISOR [^10]、HOI4D [^24]的数值与训练集条件仅文内核对，未复现；表注明确100DOH/VISOR在EPIC-VISOR训练，Ours仅FEEL，比较条件成立但属跨数据集零样本，需注意。\n- 复现依赖引用：[^15] Aria、[^3] DepthPro、[^41] SEA-RAFT、[^5] SAM3、[^35] DINOv3、[^30] DPT、[^31] Hiera、[^28] EgoVideo、[^25] Sampson误差；这些是管线关键依赖，版本/许可/权重可用性未核验。MPS是Meta服务，非公开文献引用，可用性待核验。\n- 文内引用问题：4.2写“see Table 1”，按内容应为Table 4；Table 1与表注矛盾；[^33] COHESIV被提及为最近弱监督分割但未在Table 3比较（作者称方法未公开），该说法未外部核验。\n- 其他引用：[^1][^9][^11][^42]机器人力/触觉、[^4][^16][^39]受控3D、[^20]合成数据、[^14][^21][^44]仿真力、[^7][^8][^26][^40]接触标注等按主题分组，未逐条核对原文；仅用于背景定位。\n- 结论：引用支持主要来自文内表和作者叙述；外部新颖性、SOTA、数据/代码可用性均待核验。\n\n\n\n\n\n### 最终判断\n\n值得信任的是FEEL作为“力-第一视角视频”数据集与力派生接触监督管线的系统贡献；Table 2在FEEL/VISOR的接触检测提升、Table 3在FEEL的分割优势有明确文内证据。需要保留的是：三个基准全面SOTA不成立（HOI4D BC 82.2低于100DOH 90.0）；分割是竞争性而非全面领先；动作预训练收益受额外数据/算力与无显著性限制；“无人工标注”仅指预训练阶段无需人工接触/分割/动作标签，对象名词、SAM3、光流、深度与MPS仍被使用。使用建议：把论文当作数据集、可复现管线与基线来用，先获取补充材料和代码，复现力到接触与伪标签接受率，再做同算力动作预训练对照。下一步：拿到补充材料后先复现力到接触与伪标签接受率，再决定是否采用其监督信号。"
}