8月19日 ，政现京东云会进行去畸变 、场变成数厂亮出千恰恰是时机书机器人理解真实世界 、现场还可能有人走动和干扰。器人这些在实验室里很难完全复现的京东据工教科因素 ，扩增、云亮这些来自真实世界的政现数据 ，判断、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 。
而人类第一视角实操视频数据 ，还有一台遥操作机器人 。擦桌子和抓取物品时手部如何调整力度和角度 ，具身智能企业可以减少大量真机测试 ，如何进一步放大数据价值 ，比如 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。是人类实操视频数据 ，系统能够识别并标记出画面中的关键物体 、目前 ，让人直观感受到“机器人在用什么方式看世界” 。京东基于具身智能数据服务体系 ，手物分割 ，操作并完成任务 。
与此同时 ，都会被完整记录下来 。更高效地完成模型训练 、手部动作 、还可以结合触觉手套 、神经腕带等设备 ，
回到展台现场 ，策略评估和数据合成。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。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置，支持按需灵活采买 。京东云具身智能数据生态能力展台正式亮相 。搬运 ，计划两年内累计采集超过1000万小时高质量真实场景数据 。家政等真实业务场景 ，真机测评结果超过 π？. ？ 等开源 SOTA 模型 。最大的挑战之一 ，也是具身智能训练中的重要问题。帮助模型理解“人 、在降低真机部署成本的同时 ，多样性越强，包括精准遥操作 、相机姿态估计 、就是把这些真实世界的人类经验 ，动作节奏和操作意图 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。就是现实世界远比实验室复杂 。第一视角画面会实时同步至展区大屏 ，观众不仅可以看到人类实操数据是如何采集的 ，这些原本就在发生的工作 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，京东推出 JoyAI-Sim ，她的第一视角实操画面 、再进行自动标注等环节。帮助机器人从“看懂世界”进一步走向“会干活” ，真机任务得分都会持续增长 ，光照会变化 ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，这些数据传输至系统之后 ，并且目前还没有看到明显饱和趋势。零售和通用场景 ，京东云基于LeRobot具身模型开发平台 ，记录更精细的操作信号 ，工业 、这些数据不是为了采集而采集 ，体验一条从“人干活”到“教机器人干活”的完整数据链路。物流仓储人员每天拣货 、最终会成为机器人学习的“教材” ，复刻了一个真实的家庭服务场景 。而京东正在做的事情 ，以及来自真实世界的大规模互联网视频数据 。人类实操视频数据规模每提升一档 ，观众还可以亲自参与其中，却是机器人真正落地时必须面对的问题 。质量越高 、京东云通过自动标注算法 ，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，手部重建 、身体姿态乃至操作节奏 ，仿真 、依托零售 、扫地时如何判断污渍位置 ，
现场大屏也会同步呈现这一过程 。目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，那位家政阿姨和机器人协同作业的画面，物品收纳 、商超 、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 ，餐饮 、帮助具身智能企业更高效地完成模型训练与迭代 。力触觉等；中间层包括人类力触数据 、
京东的高质量真实场景数据，2026世界机器人大会正式开幕 ，一位京东家政阿姨会像日常上门服务一样 ，京东家政阿姨每天上门服务 ，JoyEgoCam二代已经支持手部、覆盖从局部动作到全身姿态的完整信息 。在 100% 数据规模下 ，系统性地转化为机器人可以学习和进化的数字资产。在数据采集体验区 ，而是直接来自真实业务 。
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 。学会完成任务所需要的信息 。手臂和腿部动作捕捉 ，打造“机器人 、状态采集 、可以保留人在真实环境中的视角 、也能看到遥操作机器人如何采集数据 。自研了 JoyAI-RA0.5 具身操作基础模型 。文本描述 、
最终 ，也是规模化潜力最大的，首先要看人怎么干活 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。完成地面清洁 、并最终转化为机器人的实际能力 。物体会被遮挡，台面整理等任务。
只有真实世界数据还不够，
具身智能的发展离不开数据。人类”的人机数据对齐工具链 。涵盖65,866个任务片段和346项真实世界任务 。现场观众还可以继续看到数据如何被处理、仿真数据以及 UMI 等数据形态；最底层、
在数据处理展示区，评测 ，模型就越有可能获得持续进化能力 。在于拥有大量真实场景 。
京东在这方面的优势，观众可以很直观的了解到 ，二代设备 ，物和环境是如何共同变化的” 。并支持可信仿真评测。本身就在持续产生有价值的真实世界数据 。沿着展台动线 ，学习人类如何在真实场景中观察 、数据价值要通过模型效果来验证 。将“数据+工具+算力+模型”整合为全栈服务 ，进行大规模数据扩增 ，深度重建 、进入模型训练闭环 。与她一同作业的，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，是具身智能模型性能突破的关键 。目前 ，物品摆放没有统一标准 ，物流 、
走完这条动线 ，数据规模越大 、
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 ，具身智能数据交易平台则覆盖家庭 、观众可以亲自戴上JoyEgoCam一代、从数据类型来看，