AimBot: Un Semplice Segnale Visivo Ausiliario per Migliorare la Consapevolezza Spaziale delle Politiche Visuomotorie

AimBot: A Simple Auxiliary Visual Cue to Enhance Spatial Awareness of Visuomotor Policies

August 11, 2025

Autori: Yinpei Dai, Jayjun Lee, Yichi Zhang, Ziqiao Ma, Jed Yang, Amir Zadeh, Chuan Li, Nima Fazeli, Joyce Chai

cs.AI

Abstract

In questo articolo, proponiamo AimBot, una tecnica di augmentazione visiva leggera che fornisce segnali spaziali espliciti per migliorare l'apprendimento delle politiche visuomotorie nella manipolazione robotica. AimBot sovrappone linee di tiro e reticoli di mira alle immagini RGB multi-vista, offrendo una guida visiva ausiliaria che codifica lo stato dell'end-effector. Le sovrapposizioni sono calcolate a partire da immagini di profondità, estrinseche della telecamera e dalla posa corrente dell'end-effector, trasmettendo esplicitamente le relazioni spaziali tra la pinza e gli oggetti nella scena. AimBot comporta un sovraccarico computazionale minimo (meno di 1 ms) e non richiede modifiche alle architetture del modello, poiché si limita a sostituire le immagini RGB originali con versioni aumentate. Nonostante la sua semplicità, i nostri risultati dimostrano che AimBot migliora costantemente le prestazioni di varie politiche visuomotorie sia in simulazione che in contesti reali, evidenziando i vantaggi di un feedback visivo radicato spazialmente.

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.