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