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