AimBot: Um Cue Visual Auxiliar Simples para Melhorar a Consciência Espacial de Políticas Visuomotoras
AimBot: A Simple Auxiliary Visual Cue to Enhance Spatial Awareness of Visuomotor Policies
August 11, 2025
Autores: Yinpei Dai, Jayjun Lee, Yichi Zhang, Ziqiao Ma, Jed Yang, Amir Zadeh, Chuan Li, Nima Fazeli, Joyce Chai
cs.AI
Resumo
Neste artigo, propomos o AimBot, uma técnica leve de aumento visual que fornece pistas espaciais explícitas para melhorar o aprendizado de políticas visuomotoras em manipulação robótica. O AimBot sobrepõe linhas de tiro e retículos de mira em imagens RGB de múltiplas visões, oferecendo orientação visual auxiliar que codifica o estado do efetuador final. As sobreposições são calculadas a partir de imagens de profundidade, extrínsecos da câmera e a pose atual do efetuador final, transmitindo explicitamente as relações espaciais entre a garra e os objetos na cena. O AimBot gera um custo computacional mínimo (menos de 1 ms) e não requer alterações nas arquiteturas dos modelos, pois simplesmente substitui as imagens RGB originais por versões aumentadas. Apesar de sua simplicidade, nossos resultados mostram que o AimBot melhora consistentemente o desempenho de várias políticas visuomotoras tanto em simulações quanto em ambientes do mundo real, destacando os benefícios do feedback visual fundamentado espacialmente.
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.