地瓜机器人联合东京大学开源RawVLA，暗光机械臂成功率大幅提升

地瓜机器人联合东京大学等机构提出RawVLA，并开源相关方法与评测基准。该方法在已有机器人视觉-语言-动作（VLA）策略前加入可学习成像模块，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。

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。仿真测试中，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。论文报告成像模块处理速度为168 FPS，该数字仅代表成像模块，不代表整套VLA推理或机器人控制频率。

团队同时发布RawVLA-Bench，将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。