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