与此同时 ，时机书操作并完成任务 。器人以及来自真实世界的京东据工教科大规模互联网视频数据 。物流 、云亮物和环境是政现如何共同变化的” 。
家政阿姨佩戴着京东云自研的场变成数厂亮出千JoyEgoCam头戴式数据采集设备 。
现场大屏也会同步呈现这一过程 。时机书观众可以亲自戴上JoyEgoCam一代 、器人人类实操视频数据规模每提升一档 ，京东据工教科那位家政阿姨和机器人协同作业的云亮画面 ，人类”的政现人机数据对齐工具链 。
学会完成任务所需要的信息 。从测试结果看 ，依托零售、二代设备 ，复刻了一个真实的家庭服务场景 。帮助具身智能企业更高效地完成模型训练与迭代。而京东正在做的事情 ，具身智能数据交易平台则覆盖家庭、与她一同作业的，京东正在建设超大规模具身智能数据采集中心 ，却是机器人真正落地时必须面对的问题 。操作轨迹和动作序列；经过质量优化和结构化处理 ，包括精准遥操作 、零售和通用场景 ，物流仓储人员每天拣货、手部动作、物体会被遮挡 ，是人类实操视频数据 ，一位京东家政阿姨会像日常上门服务一样，首先要看人怎么干活 。可以保留人在真实环境中的视角 、这些数据传输至系统之后 ，京东云会进行去畸变 、也是规模化潜力最大的 ，就是把这些真实世界的人类经验 ，擦桌子和抓取物品时手部如何调整力度和角度 ，已与数十家数据企业建立合作，具身智能的发展离不开数据 。观众可以看到一段原始视频如何一步步变成高质量训练数据 。京东推出 JoyAI-Sim ，恰恰是机器人理解真实世界 、本身就在持续产生有价值的真实世界数据 。餐饮 、光照会变化 ，京东家政阿姨每天上门服务 ，目前 ，京东基于具身智能数据服务体系 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。动作节奏和操作意图 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。让人直观感受到“机器人在用什么方式看世界”。涵盖65,866个任务片段和346项真实世界任务。这些来自真实世界的数据，文本描述 、现场还可能有人走动和干扰 。目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，模型就越有可能获得持续进化能力 。力触觉等；中间层包括人类力触数据 、系统能够识别并标记出画面中的关键物体 、
最终 ，相机姿态估计 、真机任务得分都会持续增长 ，模拟完成一项简单的家务操作。在 100% 数据规模下 ，
真实场景数据 正在成为机器人进化的关键燃料
机器人要真正走进家庭和产业 ，系统性地转化为机器人可以学习和进化的数字资产。如何进一步放大数据价值 ，商超 、沿着展台动线 ，
在数据采集体验区 ，并支持可信仿真评测 。并最终转化为机器人的实际能力 。都会被完整记录下来 。记录更精细的操作信号 ，
而人类第一视角实操视频数据 ，在于拥有大量真实场景 。
只有真实世界数据还不够 ，它可以从人类实操视频数据出发，
走完这条动线 ，扩增 、将“数据+工具+算力+模型”整合为全栈服务 ，最大的挑战之一 ，数据价值要通过模型效果来验证。
京东在这方面的优势，台面整理等任务 。比如，2026世界机器人大会正式开幕 ，观众不仅可以看到人类实操数据是如何采集的 ，自研了 JoyAI-RA0.5 具身操作基础模型 。现场观众还可以继续看到数据如何被处理 、状态采集 、最终会成为机器人学习的“教材” ，她的第一视角实操画面 、京东的高质量真实场景数据，这些原本就在发生的工作 ，判断、仿真 、评测 ，经过结构化处理后 ，具身智能数据大致可以分为三个层次 ：最上层是机器人本体数据 ，第一视角画面会实时同步至展区大屏 ，观众可以很直观的了解到 ，策略评估和数据合成 。这意味着 ，物品摆放没有统一标准 ，也是具身智能训练中的重要问题 。帮助机器人从“看懂世界”进一步走向“会干活” ，还可以结合触觉手套 、原始视频才能真正转化为机器人可以理解和学习的高质量数据 ，是具身智能模型性能突破的关键 。支持按需灵活采买 。
回到展台现场，进入模型训练闭环 。手臂和腿部动作捕捉 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，
从数据采集到仿真评测再到模型训练 一条闭环链路呈现
数据采集只是第一步 。帮助模型理解“人、整理物品时如何判断摆放位置……这些人类习以为常的细节 ，还有一台遥操作机器人 。进入仿真训练与评测环节 ，京东云具身智能数据生态能力展台正式亮相。打造“机器人、JoyEgoCam二代已经支持手部 、进行大规模数据扩增 ，物品收纳 、
8月19日 ，家政等真实业务场景 ，这些数据不是为了采集而采集 ，更重要的是 ，再进行自动标注等环节。并且目前还没有看到明显饱和趋势 。更高效地完成模型训练 、从数据类型来看 ，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，就是现实世界远比实验室复杂 。身体姿态乃至操作节奏 ，仿真数据以及 UMI 等数据形态；最底层 、深度重建、真机测评结果超过 π ？.？ 等开源 SOTA 模型。手物分割，而是直接来自真实业务 。手部重建、计划两年内累计采集超过1000万小时高质量真实场景数据 。在降低真机部署成本的同时 ，神经腕带等设备，观众还可以亲自参与其中 ，这些在实验室里很难完全复现的因素 ，搬运 ，也能看到遥操作机器人如何采集数据 。多样性越强 ，完成地面清洁、现场一比一还原京东“两年1000万小时高质量数据采集计划”中的家政服务场景 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。质量越高 、学习人类如何在真实场景中观察、数据规模越大 、京东云通过自动标注算法 ，覆盖从局部动作到全身姿态的完整信息 。或许是对这一切最朴素的注解 ：机器人要学会干活，
在数据处理展示区 ，目前，