从数据采集到仿真评测再到模型训练 一条闭环链路呈现
数据采集只是场变成数厂亮出千第一步 。
现场大屏也会同步呈现这一过程 。时机书现场观众还可以继续看到数据如何被处理 、器人自研了 JoyAI-RA0.5 具身操作基础模型 。京东据工教科
走完这条动线 ，云亮具身智能数据交易平台则覆盖家庭、政现并最终转化为机器人的实际能力 。目前 ，更高效地完成模型训练 、是具身智能模型性能突破的关键 。京东云基于LeRobot具身模型开发平台 ，覆盖从局部动作到全身姿态的完整信息。复刻了一个真实的家庭服务场景。
扩增 、也是规模化潜力最大的，它可以从人类实操视频数据出发 ，文本描述、进行大规模数据扩增，物流 、在数据处理展示区 ，质量越高 、那位家政阿姨和机器人协同作业的画面，评测 ，计划两年内累计采集超过1000万小时高质量真实场景数据 。搬运，物品收纳 、帮助机器人从“看懂世界”进一步走向“会干活” ，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 ，仿真 、京东推出 JoyAI-Sim ，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 。包括精准遥操作 、可以保留人在真实环境中的视角 、完成地面清洁 、而是直接来自真实业务 。从数据类型来看 ，记录更精细的操作信号 ，
具身智能的发展离不开数据 。
在数据采集体验区 ，就是把这些真实世界的人类经验 ，手部重建 、手部动作 、还有一台遥操作机器人。本身就在持续产生有价值的真实世界数据 。
与此同时，物体会被遮挡 ，神经腕带等设备 ，首先要看人怎么干活 。就是现实世界远比实验室复杂 。京东云具身智能数据生态能力展台正式亮相 。依托零售 、
而人类第一视角实操视频数据 ，在 100% 数据规模下 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。多样性越强 ，仿真数据以及 UMI 等数据形态；最底层 、人类实操视频数据规模每提升一档 ，是人类实操视频数据 ，擦桌子和抓取物品时手部如何调整力度和角度 ，已与数十家数据企业建立合作 ，这些数据不是为了采集而采集，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。第一视角画面会实时同步至展区大屏 ，物品摆放没有统一标准 ，如何进一步放大数据价值 ，京东云通过自动标注算法，餐饮 、身体姿态乃至操作节奏 ，真机测评结果超过 π？. ？ 等开源 SOTA 模型 。进入模型训练闭环 。也能看到遥操作机器人如何采集数据 。最终会成为机器人学习的“教材”，
只有真实世界数据还不够，二代设备 ，京东云会进行去畸变 、经过结构化处理后 ，相机姿态估计 、真机任务得分都会持续增长 ，从测试结果看，光照会变化 ，观众还可以亲自参与其中 ，
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 ，具身智能企业可以减少大量真机测试 ，京东基于具身智能数据服务体系 ，恰恰是机器人理解真实世界 、台面整理等任务 。观众不仅可以看到人类实操数据是如何采集的 ，深度重建 、力触觉等；中间层包括人类力触数据、整理物品时如何判断摆放位置……这些人类习以为常的细节 ，这意味着 ，帮助模型理解“人 、手物分割，海量真实数据被转化为可供模型直接使用的高质量“教材” 。现场还可能有人走动和干扰。支持按需灵活采买 。观众可以很直观的了解到 ，家政等真实业务场景，数据价值要通过模型效果来验证 。京东正在建设超大规模具身智能数据采集中心，更重要的是 ，她的第一视角实操画面 、手臂和腿部动作捕捉，都会被完整记录下来 。扫地时如何判断污渍位置 ，策略评估和数据合成 。京东家政阿姨每天上门服务 ，学会完成任务所需要的信息。并且目前还没有看到明显饱和趋势 。
回到展台现场 ，也是具身智能训练中的重要问题。进入仿真训练与评测环节 ，而京东正在做的事情 ，物流仓储人员每天拣货 、让人直观感受到“机器人在用什么方式看世界” 。判断、
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，这些在实验室里很难完全复现的因素，这些原本就在发生的工作 ，帮助具身智能企业更高效地完成模型训练与迭代 。打造“机器人 、一位京东家政阿姨会像日常上门服务一样 ，2026世界机器人大会正式开幕，还可以结合触觉手套 、
京东在这方面的优势 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，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 、目前 ，动作节奏和操作意图，最大的挑战之一 ，或许是对这一切最朴素的注解 ：机器人要学会干活 ，再进行自动标注等环节 。沿着展台动线 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。模型就越有可能获得持续进化能力 。并支持可信仿真评测 。
8月19日 ，状态采集、JoyEgoCam二代已经支持手部、工业 、目前京东EgoLive数据集已公开首批约2000小时第一视角数据，这些数据传输至系统之后 ，在于拥有大量真实场景 。
最终，涵盖65,866个任务片段和346项真实世界任务 。零售和通用场景 ，模拟完成一项简单的家务操作 。却是机器人真正落地时必须面对的问题 。数据规模越大、比如 ，操作并完成任务 。与她一同作业的 ，学习人类如何在真实场景中观察 、商超 、体验一条从“人干活”到“教机器人干活”的完整数据链路 。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 ，