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