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