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