来自谷歌的研究人人员们提出了一种自我监督的方法，用于学习单目视频对象的表示，并证明了该方法能够有效帮助在机器人等位置方面的设置。通过对比学习训练的自我监督的目标，可以在不使用任何标签的情况下发现和解开视频中的对象属性。研究人员利用对象自我监控进行在线调整：在线模型在视频中查看对象的时间越长，对象识别错误越小，而离线基线仍然存在大的固定误差。为了探索一个完全不受人工监督的系统的可能性，研究人员还让机器人收集自己的数据，用研究团队的自我监督方案训练这些数据，结果显示，机器人可以指向类似于前面呈现的物体的物体。并强调了对物品属性的概括。