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