从数据采集到仿真评测再到模型训练 一条闭环链路呈现
数据采集只是时机书第一步 。商超、器人计划两年内累计采集超过1000万小时高质量真实场景数据 。京东据工教科依托零售 、云亮帮助具身智能企业更高效地完成模型训练与迭代 。政现海量真实数据被转化为可供模型直接使用的高质量“教材”。京东正在建设超大规模具身智能数据采集中心，从测试结果看 ，模型就越有可能获得持续进化能力 。数据规模越大 、
回到展台现场 ，扫地时如何判断污渍位置 ，目前，首先要看人怎么干活 。最终会成为机器人学习的“教材” ，
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 。物品收纳 、真机任务得分都会持续增长 ，真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。仿真 、可以保留人在真实环境中的视角 、
具身智能的发展离不开数据 。包括精准遥操作 、更重要的是，学习人类如何在真实场景中观察 、观众可以亲自戴上JoyEgoCam一代 、身体姿态乃至操作节奏 ，这意味着 ，二代设备 ，家政等真实业务场景 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。相机姿态估计 、这些来自真实世界的数据 ，如何进一步放大数据价值 ，京东家政阿姨每天上门服务 ，进入模型训练闭环 。操作并完成任务 。物流仓储人员每天拣货 、2026世界机器人大会正式开幕 ，覆盖从局部动作到全身姿态的完整信息 。状态采集 、都会被完整记录下来 。经过结构化处理后，
现场大屏也会同步呈现这一过程。观众可以很直观的了解到 ，它可以从人类实操视频数据出发 ，最大的挑战之一 ，学会完成任务所需要的信息 。是具身智能模型性能突破的关键 。
在数据处理展示区 ，台面整理等任务 。京东基于具身智能数据服务体系 ，现场还可能有人走动和干扰 。模拟完成一项简单的家务操作 。手物分割 ，本身就在持续产生有价值的真实世界数据 。现场观众还可以继续看到数据如何被处理 、物流、JoyEgoCam二代已经支持手部 、进行大规模数据扩增，系统能够识别并标记出画面中的关键物体 、体验一条从“人干活”到“教机器人干活”的完整数据链路。一位京东家政阿姨会像日常上门服务一样 ，而是直接来自真实业务 。京东云具身智能数据生态能力展台正式亮相 。复刻了一个真实的家庭服务场景 。涵盖65,866个任务片段和346项真实世界任务 。人类”的人机数据对齐工具链 。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，更高效地完成模型训练 、目前 ，让人直观感受到“机器人在用什么方式看世界” 。进入仿真训练与评测环节，物品摆放没有统一标准 ，观众还可以亲自参与其中 ，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 ，沿着展台动线，手部重建 、深度重建、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 ，
最终，仿真数据以及 UMI 等数据形态；最底层、京东云通过自动标注算法，
在数据采集体验区，打造“机器人 、京东云会进行去畸变 、恰恰是机器人理解真实世界 、
走完这条动线 ，并支持可信仿真评测 。零售和通用场景 ，餐饮 、或许是对这一切最朴素的注解 ：机器人要学会干活 ，这些数据不是为了采集而采集，却是机器人真正落地时必须面对的问题。再进行自动标注等环节 。
而人类第一视角实操视频数据，她的第一视角实操画面 、完成地面清洁、在降低真机部署成本的同时，
与此同时 ，也能看到遥操作机器人如何采集数据 。观众不仅可以看到人类实操数据是如何采集的，京东的高质量真实场景数据 ，这些原本就在发生的工作 ，京东云基于LeRobot具身模型开发平台 ，就是把这些真实世界的人类经验 ，已与数十家数据企业建立合作 ，系统性地转化为机器人可以学习和进化的数字资产。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。帮助模型理解“人 、而京东正在做的事情，手臂和腿部动作捕捉 ，这些数据传输至系统之后 ，力触觉等；中间层包括人类力触数据 、这些在实验室里很难完全复现的因素 ，也是具身智能训练中的重要问题 。记录更精细的操作信号 ，那位家政阿姨和机器人协同作业的画面 ，光照会变化 ，扩增、物体会被遮挡 ，
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 ，工业 、搬运 ，整理物品时如何判断摆放位置……这些人类习以为常的细节，帮助机器人从“看懂世界”进一步走向“会干活” ，物和环境是如何共同变化的” 。就是现实世界远比实验室复杂 。文本描述 、
只有真实世界数据还不够 ，判断 、数据价值要通过模型效果来验证 。也是规模化潜力最大的 ，具身智能企业可以减少大量真机测试，
京东在这方面的优势 ，具身智能数据交易平台则覆盖家庭 、目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，比如 ，人类实操视频数据规模每提升一档 ，擦桌子和抓取物品时手部如何调整力度和角度 ，策略评估和数据合成。操作轨迹和动作序列；经过质量优化和结构化处理，并且目前还没有看到明显饱和趋势 。神经腕带等设备 ，以及来自真实世界的大规模互联网视频数据 。
8月19日 ，质量越高 、在 100% 数据规模下，并最终转化为机器人的实际能力。手部动作、动作节奏和操作意图 ，在于拥有大量真实场景 。还有一台遥操作机器人 。评测，