AimBot: Ein einfacher visueller Hilfsreiz zur Verbesserung des räumlichen Bewusstseins von visuomotorischen Policies
AimBot: A Simple Auxiliary Visual Cue to Enhance Spatial Awareness of Visuomotor Policies
August 11, 2025
papers.authors: Yinpei Dai, Jayjun Lee, Yichi Zhang, Ziqiao Ma, Jed Yang, Amir Zadeh, Chuan Li, Nima Fazeli, Joyce Chai
cs.AI
papers.abstract
In diesem Artikel stellen wir AimBot vor, eine leichtgewichtige visuelle Augmentierungstechnik, die explizite räumliche Hinweise bereitstellt, um das Lernen von visuomotorischen Strategien in der robotergestützten Manipulation zu verbessern. AimBot überlagert Schusslinien und Zielkreuze auf Multi-View-RGB-Bilder und bietet damit zusätzliche visuelle Anleitung, die den Zustand des Endeffektors kodiert. Die Überlagerungen werden aus Tiefenbildern, Kamerapositionen und der aktuellen Pose des Endeffektors berechnet und vermitteln explizit die räumlichen Beziehungen zwischen dem Greifer und den Objekten in der Szene. AimBot verursacht einen minimalen Rechenaufwand (weniger als 1 ms) und erfordert keine Änderungen an den Modellarchitekturen, da es lediglich die ursprünglichen RGB-Bilder durch augmentierte Versionen ersetzt. Trotz seiner Einfachheit zeigen unsere Ergebnisse, dass AimBot die Leistung verschiedener visuomotorischer Strategien sowohl in der Simulation als auch in realen Umgebungen konsequent verbessert, was die Vorteile von räumlich verankertem visuellem Feedback unterstreicht.
English
In this paper, we propose AimBot, a lightweight visual augmentation technique
that provides explicit spatial cues to improve visuomotor policy learning in
robotic manipulation. AimBot overlays shooting lines and scope reticles onto
multi-view RGB images, offering auxiliary visual guidance that encodes the
end-effector's state. The overlays are computed from depth images, camera
extrinsics, and the current end-effector pose, explicitly conveying spatial
relationships between the gripper and objects in the scene. AimBot incurs
minimal computational overhead (less than 1 ms) and requires no changes to
model architectures, as it simply replaces original RGB images with augmented
counterparts. Despite its simplicity, our results show that AimBot consistently
improves the performance of various visuomotor policies in both simulation and
real-world settings, highlighting the benefits of spatially grounded visual
feedback.