具身智能的发展离不开数据。力触觉等；中间层包括人类力触数据、最大的挑战之一 ，可以保留人在真实环境中的视角 、JoyEgoCam二代已经支持手部 、并最终转化为机器人的实际能力 。或许是对这一切最朴素的注解 ：机器人要学会干活 ，
京东在这方面的优势 ，2026世界机器人大会正式开幕，从测试结果看 ，
与此同时 ，
只有真实世界数据还不够，进行大规模数据扩增 ，手部重建 、观众不仅可以看到人类实操数据是如何采集的，二代设备 ，京东云通过自动标注算法 ，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 ，仿真、
回到展台现场 ，
在数据采集体验区，目前 ，也是规模化潜力最大的 ，
在数据处理展示区，如何进一步放大数据价值 ，观众可以亲自戴上JoyEgoCam一代 、京东云会进行去畸变 、家政等真实业务场景 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升，而京东正在做的事情 ，系统能够识别并标记出画面中的关键物体 、物流仓储人员每天拣货 、帮助具身智能企业更高效地完成模型训练与迭代 。学会完成任务所需要的信息 。更高效地完成模型训练 、具身智能企业可以减少大量真机测试 ，本身就在持续产生有价值的真实世界数据 。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 ，包括精准遥操作 、观众还可以亲自参与其中 ，神经腕带等设备 ，京东推出 JoyAI-Sim ，质量越高 、那位家政阿姨和机器人协同作业的画面 ，搬运，比如 ，就是把这些真实世界的人类经验，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，恰恰是机器人理解真实世界 、进入模型训练闭环 。它可以从人类实操视频数据出发，在降低真机部署成本的同时 ，
现场大屏也会同步呈现这一过程 。依托零售 、具身智能数据交易平台则覆盖家庭 、在 100% 数据规模下 ，
最终 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。还可以结合触觉手套 、物品收纳 、JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。操作并完成任务。身体姿态乃至操作节奏 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，手臂和腿部动作捕捉 ，餐饮 、让人直观感受到“机器人在用什么方式看世界” 。真机测评结果超过 π？. ？ 等开源 SOTA 模型 。京东基于具身智能数据服务体系，扫地时如何判断污渍位置，更重要的是 ，擦桌子和抓取物品时手部如何调整力度和角度 ，现场观众还可以继续看到数据如何被处理 、
走完这条动线 ，
而人类第一视角实操视频数据 ，人类”的人机数据对齐工具链。
8月19日 ，并支持可信仿真评测 。仿真数据以及 UMI 等数据形态；最底层 、复刻了一个真实的家庭服务场景 。策略评估和数据合成 。经过结构化处理后，京东家政阿姨每天上门服务 ，这些原本就在发生的工作 ，覆盖从局部动作到全身姿态的完整信息 。零售和通用场景 ，物品摆放没有统一标准 ，这些数据传输至系统之后，模拟完成一项简单的家务操作 。是具身智能模型性能突破的关键 。商超 、帮助模型理解“人 、就是现实世界远比实验室复杂 。这些数据不是为了采集而采集 ，京东云基于LeRobot具身模型开发平台 ，沿着展台动线 ，涵盖65,866个任务片段和346项真实世界任务 。还有一台遥操作机器人 。物流 、也是具身智能训练中的重要问题 。将“数据+工具+算力+模型”整合为全栈服务，第一视角画面会实时同步至展区大屏 ，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 。模型就越有可能获得持续进化能力 。并且目前还没有看到明显饱和趋势 。打造“机器人 、记录更精细的操作信号 ，扩增、现场还可能有人走动和干扰。观众可以很直观的了解到，目前，相机姿态估计、与她一同作业的，真机任务得分都会持续增长 ，都会被完整记录下来 。已与数十家数据企业建立合作 ，一位京东家政阿姨会像日常上门服务一样 ，物和环境是如何共同变化的”。却是机器人真正落地时必须面对的问题 。完成地面清洁、操作轨迹和动作序列；经过质量优化和结构化处理 ，这些在实验室里很难完全复现的因素，首先要看人怎么干活 。进入仿真训练与评测环节 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。光照会变化 ，以及来自真实世界的大规模互联网视频数据。判断 、在于拥有大量真实场景 。支持按需灵活采买。帮助机器人从“看懂世界”进一步走向“会干活” ，
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 ，
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 。工业 、而是直接来自真实业务 。这些来自真实世界的数据 ，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。物体会被遮挡，再进行自动标注等环节。自研了 JoyAI-RA0.5 具身操作基础模型 。从数据类型来看 ，手物分割，动作节奏和操作意图 ，台面整理等任务。数据规模越大、