Title: RoboLight: A Dataset with Linearly Composable Illumination for Robotic Manipulation
Authors: Shutong Jin, Jin Yang, Muhammad Zahid, Florian T. Pokorny
arXiv: https://arxiv.org/abs/2603.04249
Problem framing
机器人操作在光照变化下常出现性能崩塌，但多数数据集只提供“少量、不可控”的照明扰动，无法系统分析模型对颜色/方向/强度三类变化的敏感性。RoboLight 的目标是把光照扰动从噪声变成可参数化变量。
Core method
作者构建 Light Cube 采集系统，记录同一操作在多种可编程 RGB 光照条件下的同步轨迹，并将光照因素拆成可独立控制维度，实现线性可组合照明配置。数据集因此支持“分因素诊断”：分别测颜色偏移、入射方向和亮度变化对策略的影响。
Key equations and mechanisms
照明可组合性可抽象为：
其中 为基础光源模式， 为可调权重。若策略表征对 的变化更平滑，则跨光照泛化更稳定。该形式为后续 illumination-robust policy 提供了可控实验变量。
Experiment reading guide
重点看：
- 在单因素与多因素组合扰动下的成功率下降曲线；
- 不同视觉 backbone 对光照偏移的鲁棒性差异；
- 使用该数据集增强后对真实场景夜间/背光任务的迁移收益。
Limitations
当前任务类型仍以操作基元为主，复杂长时程任务覆盖有限；且光照模型虽可控，但与真实自然光非平稳变化仍有差距。
Future work
可将触觉与曝光控制联合建模，研究“视觉退化时多模态补偿”机制，并扩展到人形双臂任务。
图示：可参考 arXiv PDF 中数据采集与光照设置图（若需精读再补高分辨率裁图）。
Graph: Paper Node 2603.04249