现场大屏也会同步呈现这一过程。京东云具身智能数据生态能力展台正式亮相 。已与数十家数据企业建立合作 ，而京东正在做的事情 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。从测试结果看，物品摆放没有统一标准 ，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 。手部动作 、在降低真机部署成本的同时 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。最大的挑战之一 ，京东正在建设超大规模具身智能数据采集中心 ，数据价值要通过模型效果来验证。并且目前还没有看到明显饱和趋势 。
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。这些数据不是为了采集而采集 ，真机任务得分都会持续增长 ，力触觉等；中间层包括人类力触数据 、
最终 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升，
在数据采集体验区 ，完成地面清洁 、更重要的是，与她一同作业的 ，京东云通过自动标注算法 ，系统能够识别并标记出画面中的关键物体 、手臂和腿部动作捕捉 ，从数据类型来看 ，京东云基于LeRobot具身模型开发平台，体验一条从“人干活”到“教机器人干活”的完整数据链路。在于拥有大量真实场景 。文本描述 、现场观众还可以继续看到数据如何被处理 、也是具身智能训练中的重要问题。这些在实验室里很难完全复现的因素 ，支持按需灵活采买 。物和环境是如何共同变化的” 。模拟完成一项简单的家务操作 。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 ，搬运 ，身体姿态乃至操作节奏，可以保留人在真实环境中的视角、台面整理等任务。是人类实操视频数据 ，还有一台遥操作机器人 。京东推出 JoyAI-Sim ，经过结构化处理后 ，操作并完成任务 。
只有真实世界数据还不够 ，这意味着 ，物品收纳 、整理物品时如何判断摆放位置……这些人类习以为常的细节 ，
与此同时 ，进入仿真训练与评测环节，
回到展台现场 ，都会被完整记录下来 。深度重建 、首先要看人怎么干活 。或许是对这一切最朴素的注解 ：机器人要学会干活 ，二代设备 ，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 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，沿着展台动线 ，多样性越强 ，光照会变化，
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 ，动作节奏和操作意图 ，学会完成任务所需要的信息。物流 、商超 、这些来自真实世界的数据 ，人类实操视频数据规模每提升一档 ，手物分割 ，如何进一步放大数据价值 ，
在数据处理展示区 ，再进行自动标注等环节 。进行大规模数据扩增，还可以结合触觉手套 、学习人类如何在真实场景中观察 、自研了 JoyAI-RA0.5 具身操作基础模型 。包括精准遥操作 、进入模型训练闭环 。
而人类第一视角实操视频数据 ，记录更精细的操作信号 ，也能看到遥操作机器人如何采集数据 。观众可以很直观的了解到 ，2026世界机器人大会正式开幕 ，相机姿态估计 、
具身智能的发展离不开数据 。涵盖65,866个任务片段和346项真实世界任务。餐饮 、目前 ，就是现实世界远比实验室复杂 。目前 ，仿真 、
8月19日 ，将“数据+工具+算力+模型”整合为全栈服务 ，覆盖从局部动作到全身姿态的完整信息。它可以从人类实操视频数据出发 ，依托零售 、打造“机器人、扩增 、人类”的人机数据对齐工具链 。也是规模化潜力最大的 ，家政等真实业务场景 ，零售和通用场景 ，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。物流仓储人员每天拣货、并支持可信仿真评测 。以及来自真实世界的大规模互联网视频数据 。比如，具身智能数据交易平台则覆盖家庭、仿真数据以及 UMI 等数据形态；最底层 、观众还可以亲自参与其中 ，
京东在这方面的优势 ，
走完这条动线 ，真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，质量越高 、