灯光一暗，原本能完成的机器人抓取任务就可能失败。对走出实验室的机器人来说，光线变化绕不开：同样的任务、同样的物体，换一组灯光，相机送给模型的画面就可能大不相同。
问题出在图像进入机器人模型之前。相机采集的RAW信号要经过图像信号处理器（ISP）做降噪、白平衡、色彩校正等处理，才变成机器人看到的RGB图像。过去这一步常被当作固定预处理，但它会直接影响机器人能否看清目标、预测正确动作。
围绕这一问题，地瓜机器人联合东京大学等机构提出RawVLA：在已有机器人视觉-语言-动作策略前加一个可学习的成像模块，从RAW数据出发，根据当前画面和历史信息调整成像参数，让输入图像更适合下游操作任务。训练时，原有VLA策略保持冻结。
简单说，过去相机“怎么加工画面”是固定配方；RawVLA让这套配方围绕机器人任务来学习，目标不是让照片更好看，而是让机器人更容易抓对、放对。
真机实验中，团队用π0.5策略测试抓取与放置、抽屉操作、插花、堆叠与覆盖四项双臂任务。暗光下，搭配RawVLA的平均成功率为66.5%，默认ISP为0%，DarkISP为11%；正常光照下，RawVLA为75.0%，默认ISP为76.5%，表现接近。也就是说，暗光能力明显改善，常规场景没有明显退步。
仿真测试也显示收益：在RoboTwin 2.0上，跨五种光照、两种VLA策略的平均成功率从默认ISP的43.91%提升到54.98%，提高11.07个百分点。论文报告的成像模块处理速度为168 FPS，但这一数字只代表成像模块，不代表整套VLA推理或机器人控制频率。
团队同时发布RawVLA-Bench，把成像处理纳入机器人操作的训练与评测，覆盖极低光、低光、正常光、过曝和极端过曝五种条件，基于LIBERO和RoboTwin 2.0构建，包含2403条配对轨迹，完整评测设置13250次测试。目前数据集与评测代码已公开。
这项工作的意义在于：提升机器人在光照变化下的操作能力，不一定只靠改更强策略，也可以直接优化机器人“接收图像的方式”。从RAW数据、成像处理到动作执行，RawVLA把相机与策略之间的接口纳入任务学习，为后续研究提供了可复现的起点。
