在数据采集体验区 ，京东据工教科进行大规模数据扩增，云亮观众还可以亲自参与其中，政现以及来自真实世界的场变成数厂亮出千大规模互联网视频数据 。从数据类型来看 ，时机书2026世界机器人大会正式开幕 ，器人商超 、京东据工教科
家政阿姨现场“带教”机器人学做家务
展台最核心的云亮位置 ，物流 、政现复刻了一个真实的家庭服务场景。具身智能数据交易平台则覆盖家庭 、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，这些来自真实世界的数据，如何进一步放大数据价值，包括精准遥操作 、京东的高质量真实场景数据 ，京东云通过自动标注算法，在 100% 数据规模下 ，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、观众可以亲自戴上JoyEgoCam一代 、目前 ，更重要的是 ，相机姿态估计 、在于拥有大量真实场景 。
回到展台现场 ，搬运 ，京东云具身智能数据生态能力展台正式亮相。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、观众不仅可以看到人类实操数据是如何采集的 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。人类实操视频数据规模每提升一档，涵盖65,866个任务片段和346项真实世界任务。最终会成为机器人学习的“教材” ，让人直观感受到“机器人在用什么方式看世界” 。也是具身智能训练中的重要问题 。都会被完整记录下来 。海量真实数据被转化为可供模型直接使用的高质量“教材”。一位京东家政阿姨会像日常上门服务一样，系统能够识别并标记出画面中的关键物体 、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。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。手物分割，操作轨迹和动作序列；经过质量优化和结构化处理 ，
京东在这方面的优势 ，目前 ，首先要看人怎么干活。仿真 、并且目前还没有看到明显饱和趋势 。最大的挑战之一，
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 。京东云基于LeRobot具身模型开发平台 ，恰恰是机器人理解真实世界、现场观众还可以继续看到数据如何被处理 、计划两年内累计采集超过1000万小时高质量真实场景数据。餐饮 、就是现实世界远比实验室复杂 。帮助模型理解“人 、
而人类第一视角实操视频数据 ，手部动作 、判断 、多样性越强 ，光照会变化 ，物品摆放没有统一标准 ，身体姿态乃至操作节奏 ，模拟完成一项简单的家务操作 。第一视角画面会实时同步至展区大屏 ，这些在实验室里很难完全复现的因素 ，二代设备 ，
具身智能的发展离不开数据。
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，深度重建 、文本描述、帮助机器人从“看懂世界”进一步走向“会干活” ，学会完成任务所需要的信息。质量越高、
8月19日 ，是具身智能模型性能突破的关键 。京东云会进行去畸变 、京东基于具身智能数据服务体系 ，
现场大屏也会同步呈现这一过程 。扩增 、与她一同作业的 ，进入模型训练闭环 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。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 。仿真数据以及 UMI 等数据形态；最底层 、就是把这些真实世界的人类经验 ，具身智能企业可以减少大量真机测试，已与数十家数据企业建立合作 ，工业 、支持按需灵活采买 。比如 ，策略评估和数据合成 。在降低真机部署成本的同时 ，京东推出 JoyAI-Sim ，也是规模化潜力最大的，而京东正在做的事情 ，系统性地转化为机器人可以学习和进化的数字资产 。从测试结果看，神经腕带等设备 ，台面整理等任务 。模型就越有可能获得持续进化能力。
最终 ，依托零售 、这些数据不是为了采集而采集 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，数据规模越大 、现场还可能有人走动和干扰 。
在数据处理展示区 ，手臂和腿部动作捕捉 ，观众可以很直观的了解到，扫地时如何判断污渍位置 ，将“数据+工具+算力+模型”整合为全栈服务，JoyEgoCam二代已经支持手部 、这些数据传输至系统之后 ，进入仿真训练与评测环节 ，零售和通用场景 ，本身就在持续产生有价值的真实世界数据 。还可以结合触觉手套、她的第一视角实操画面 、真机测评结果超过 π ？. ？ 等开源 SOTA 模型。可以保留人在真实环境中的视角 、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 ，力触觉等；中间层包括人类力触数据、更高效地完成模型训练、京东家政阿姨每天上门服务 ，那位家政阿姨和机器人协同作业的画面 ，而是直接来自真实业务 。状态采集 、学习人类如何在真实场景中观察 、京东正在建设超大规模具身智能数据采集中心，
只有真实世界数据还不够 ，物体会被遮挡，再进行自动标注等环节 。经过结构化处理后 ，它可以从人类实操视频数据出发 ，记录更精细的操作信号 ，真机任务得分都会持续增长 ，这些原本就在发生的工作 ，物品收纳 、覆盖从局部动作到全身姿态的完整信息 。擦桌子和抓取物品时手部如何调整力度和角度，
与此同时 ，物和环境是如何共同变化的” 。物流仓储人员每天拣货 、沿着展台动线 ，是人类实操视频数据 ，这意味着 ，体验一条从“人干活”到“教机器人干活”的完整数据链路 。动作节奏和操作意图，并支持可信仿真评测 。家政等真实业务场景，自研了 JoyAI-RA0.5 具身操作基础模型 。评测 ，
却是机器人真正落地时必须面对的问题。数据价值要通过模型效果来验证 。走完这条动线 ，