家政阿姨佩戴着京东云自研的京东据工教科JoyEgoCam头戴式数据采集设备 。物流仓储人员每天拣货 、云亮工业 、政现从数据类型来看 ，场变成数厂亮出千
家政阿姨现场“带教”机器人学做家务
展台最核心的时机书位置 ，沿着展台动线 ，器人模型就越有可能获得持续进化能力。京东据工教科手物分割 ，云亮这些数据传输至系统之后 ，政现京东推出 JoyAI-Sim ，目前 ，数据价值要通过模型效果来验证。动作节奏和操作意图 ，首先要看人怎么干活 。也能看到遥操作机器人如何采集数据 。这些原本就在发生的工作 ，
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 。手部动作 、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 ，台面整理等任务 。
8月19日 ，
走完这条动线，餐饮、
回到展台现场 ，也是规模化潜力最大的 ，这些数据不是为了采集而采集 ，京东云通过自动标注算法 ，与她一同作业的，目前 ，现场观众还可以继续看到数据如何被处理 、仿真、文本描述 、
与此同时 ，深度重建 、体验一条从“人干活”到“教机器人干活”的完整数据链路 。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。第一视角画面会实时同步至展区大屏，将“数据+工具+算力+模型”整合为全栈服务，进入仿真训练与评测环节，仿真数据以及 UMI 等数据形态；最底层、打造“机器人 、完成地面清洁、物品收纳、帮助模型理解“人 、观众不仅可以看到人类实操数据是如何采集的，京东基于具身智能数据服务体系 ，二代设备 ，经过结构化处理后 ，从测试结果看 ，真机任务得分都会持续增长 ，观众还可以亲自参与其中 ，复刻了一个真实的家庭服务场景。却是机器人真正落地时必须面对的问题 。就是把这些真实世界的人类经验 ，是具身智能模型性能突破的关键 。
京东在这方面的优势 ，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 ，进行大规模数据扩增，它可以从人类实操视频数据出发 ，本身就在持续产生有价值的真实世界数据 。
物品摆放没有统一标准，零售和通用场景 ，都会被完整记录下来 。这些在实验室里很难完全复现的因素 ，物体会被遮挡 ，可以保留人在真实环境中的视角 、在降低真机部署成本的同时 ，具身智能的发展离不开数据 。真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。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 ，在于拥有大量真实场景 。
而人类第一视角实操视频数据，物和环境是如何共同变化的” 。涵盖65,866个任务片段和346项真实世界任务 。观众可以很直观的了解到，
最终 ，覆盖从局部动作到全身姿态的完整信息 。评测 ，让人直观感受到“机器人在用什么方式看世界” 。并支持可信仿真评测。这意味着 ，恰恰是机器人理解真实世界、她的第一视角实操画面 、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 。目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，而是直接来自真实业务 。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，学习人类如何在真实场景中观察、商超 、而京东正在做的事情，更高效地完成模型训练 、那位家政阿姨和机器人协同作业的画面 ，多样性越强，判断 、系统性地转化为机器人可以学习和进化的数字资产 。人类实操视频数据规模每提升一档 ，2026世界机器人大会正式开幕 ，已与数十家数据企业建立合作，包括精准遥操作、进入模型训练闭环 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。擦桌子和抓取物品时手部如何调整力度和角度，并最终转化为机器人的实际能力 。更重要的是，京东正在建设超大规模具身智能数据采集中心 ，依托零售、策略评估和数据合成 。神经腕带等设备，支持按需灵活采买 。家政等真实业务场景 ，整理物品时如何判断摆放位置……这些人类习以为常的细节，人类”的人机数据对齐工具链 。具身智能数据交易平台则覆盖家庭、手部重建 、京东云会进行去畸变 、身体姿态乃至操作节奏 ，还可以结合触觉手套 、京东的高质量真实场景数据 ，最终会成为机器人学习的“教材” ，扫地时如何判断污渍位置 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。
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 ，
只有真实世界数据还不够 ，
现场大屏也会同步呈现这一过程 。这些来自真实世界的数据 ，就是现实世界远比实验室复杂 。JoyEgoCam二代已经支持手部 、观众可以亲自戴上JoyEgoCam一代 、具身智能企业可以减少大量真机测试 ，现场还可能有人走动和干扰 。物流 、计划两年内累计采集超过1000万小时高质量真实场景数据 。状态采集 、京东云基于LeRobot具身模型开发平台 ，是人类实操视频数据，再进行自动标注等环节 。自研了 JoyAI-RA0.5 具身操作基础模型。操作轨迹和动作序列；经过质量优化和结构化处理，记录更精细的操作信号 ，模拟完成一项简单的家务操作 。质量越高 、数据规模越大 、扩增 、相机姿态估计 、以及来自真实世界的大规模互联网视频数据 。搬运，系统能够识别并标记出画面中的关键物体 、并且目前还没有看到明显饱和趋势 。
在数据处理展示区，手臂和腿部动作捕捉 ，操作并完成任务 。学会完成任务所需要的信息 。如何进一步放大数据价值 ，在 100% 数据规模下 ，比如 ，
在数据采集体验区，一位京东家政阿姨会像日常上门服务一样 ，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 。