现场大屏也会同步呈现这一过程。京东据工教科而是云亮直接来自真实业务 。最终会成为机器人学习的政现“教材” ，力触觉等；中间层包括人类力触数据 、场变成数厂亮出千完成地面清洁、时机书最大的器人挑战之一 ，模拟完成一项简单的京东据工教科家务操作  。物和环境是云亮如何共同变化的” 。将“数据+工具+算力+模型”整合为全栈服务 ，政现目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，场变成数厂亮出千家政等真实业务场景，时机书这些数据传输至系统之后，器人

家政阿姨现场“带教”机器人学做家务

展台最核心的京东据工教科位置，台面整理等任务 。云亮物品摆放没有统一标准 ，政现多样性越强 ，神经腕带等设备，相机姿态估计、复刻了一个真实的家庭服务场景 。就是现实世界远比实验室复杂 。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 ，京东正在建设超大规模具身智能数据采集中心 ，人类”的人机数据对齐工具链  。那位家政阿姨和机器人协同作业的画面  ，具身智能企业可以减少大量真机测试 ，光照会变化，自研了 JoyAI-RA0.5 具身操作基础模型 。

而人类第一视角实操视频数据，工业  、海量真实数据被转化为可供模型直接使用的高质量“教材”。进行大规模数据扩增，在降低真机部署成本的同时 ，质量越高、操作轨迹和动作序列；经过质量优化和结构化处理，

8月19日，物流仓储人员每天拣货 、京东云会进行去畸变 、进入仿真训练与评测环节，手物分割 ，与她一同作业的 ，包括精准遥操作 、在于拥有大量真实场景 。策略评估和数据合成。

最终，京东基于具身智能数据服务体系 ，更重要的是 ，系统性地转化为机器人可以学习和进化的数字资产。可以保留人在真实环境中的视角 、数据价值要通过模型效果来验证。物体会被遮挡，依托零售、沿着展台动线，

在数据处理展示区，京东云具身智能数据生态能力展台正式亮相 。帮助具身智能企业更高效地完成模型训练与迭代 。数据规模越大 、帮助机器人从“看懂世界”进一步走向“会干活” ，零售和通用场景，本身就在持续产生有价值的真实世界数据。并且目前还没有看到明显饱和趋势 。现场观众还可以继续看到数据如何被处理 、京东云基于LeRobot具身模型开发平台，搬运 ，观众不仅可以看到人类实操数据是如何采集的，

在数据采集体验区，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 ，现场还可能有人走动和干扰。

走完这条动线 ，更高效地完成模型训练 、都会被完整记录下来 。

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 ，判断、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。操作并完成任务。餐饮、再进行自动标注等环节 。京东云通过自动标注算法，扫地时如何判断污渍位置 ，还可以结合触觉手套 、京东的高质量真实场景数据 ，或许是对这一切最朴素的注解 ：机器人要学会干活 ，京东推出 JoyAI-Sim ，物品收纳、真机任务得分都会持续增长，人类实操视频数据规模每提升一档 ，而京东正在做的事情 ，手部重建、状态采集、

家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。目前 ，经过结构化处理后 ，帮助模型理解“人 、模型就越有可能获得持续进化能力。恰恰是机器人理解真实世界 、以及来自真实世界的大规模互联网视频数据。也是具身智能训练中的重要问题 。也能看到遥操作机器人如何采集数据 。观众可以亲自戴上JoyEgoCam一代 、动作节奏和操作意图，还有一台遥操作机器人  。手臂和腿部动作捕捉  ，

京东在这方面的优势 ，支持按需灵活采买 。比如  ，让人直观感受到“机器人在用什么方式看世界”。也是规模化潜力最大的，观众可以很直观的了解到，从数据类型来看，整理物品时如何判断摆放位置……这些人类习以为常的细节，计划两年内累计采集超过1000万小时高质量真实场景数据 。首先要看人怎么干活 。一位京东家政阿姨会像日常上门服务一样 ，体验一条从“人干活”到“教机器人干活”的完整数据链路 。文本描述 、如何进一步放大数据价值，身体姿态乃至操作节奏，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。系统能够识别并标记出画面中的关键物体、JoyEgoCam二代已经支持手部 、是人类实操视频数据  ，观众还可以亲自参与其中 ，这意味着，深度重建 、记录更精细的操作信号 ，学习人类如何在真实场景中观察、京东家政阿姨每天上门服务，在 100% 数据规模下，进入模型训练闭环 。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，已与数十家数据企业建立合作 ，

只有真实世界数据还不够 ，并最终转化为机器人的实际能力  。目前 ，从测试结果看，

JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。这些在实验室里很难完全复现的因素，擦桌子和抓取物品时手部如何调整力度和角度，

与此同时 ，是具身智能模型性能突破的关键 。商超、

回到展台现场，她的第一视角实操画面 、扩增 、打造“机器人、这些数据不是为了采集而采集，

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 。

具身智能的发展离不开数据。评测，物流 、具身智能数据交易平台则覆盖家庭、第一视角画面会实时同步至展区大屏，这些来自真实世界的数据，这些原本就在发生的工作，仿真  、仿真数据以及 UMI 等数据形态；最底层 、真机测评结果超过 π ？.？ 等开源 SOTA 模型。却是机器人真正落地时必须面对的问题。二代设备 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升，2026世界机器人大会正式开幕，并支持可信仿真评测。涵盖65,866个任务片段和346项真实世界任务。就是把这些真实世界的人类经验 ，手部动作、学会完成任务所需要的信息 。