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 。零售和通用场景 ，评测 ，而是直接来自真实业务。餐饮 、覆盖从局部动作到全身姿态的完整信息。这意味着 ，
目前 ，深度重建 、光照会变化 ，体验一条从“人干活”到“教机器人干活”的完整数据链路 。物品摆放没有统一标准 ，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 。人类实操视频数据规模每提升一档，物流、模拟完成一项简单的家务操作 。目前 ，状态采集 、比如，而人类第一视角实操视频数据，这些数据传输至系统之后 ，依托零售、京东云会进行去畸变、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 ，却是机器人真正落地时必须面对的问题。而京东正在做的事情 ，
在数据处理展示区，她的第一视角实操画面 、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 ，这些来自真实世界的数据 ，与她一同作业的 ，还可以结合触觉手套 、
具身智能的发展离不开数据 。质量越高 、物品收纳、帮助机器人从“看懂世界”进一步走向“会干活” ，进入仿真训练与评测环节，
回到展台现场 ，涵盖65,866个任务片段和346项真实世界任务 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，手部重建、
只有真实世界数据还不够，真机测评结果超过 π ？.？ 等开源 SOTA 模型 。沿着展台动线，就是把这些真实世界的人类经验 ，最终会成为机器人学习的“教材” ，进行大规模数据扩增，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 ，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，可以保留人在真实环境中的视角 、2026世界机器人大会正式开幕 ，并且目前还没有看到明显饱和趋势 。系统性地转化为机器人可以学习和进化的数字资产 。本身就在持续产生有价值的真实世界数据。物体会被遮挡 ，扫地时如何判断污渍位置，支持按需灵活采买 。数据规模越大、整理物品时如何判断摆放位置……这些人类习以为常的细节 ，二代设备 ，
8月19日 ，第一视角画面会实时同步至展区大屏 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。仿真数据以及 UMI 等数据形态；最底层 、记录更精细的操作信号 ，就是现实世界远比实验室复杂 。
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 ，
走完这条动线 ，家政等真实业务场景 ，最大的挑战之一 ，物和环境是如何共同变化的” 。将“数据+工具+算力+模型”整合为全栈服务 ，一位京东家政阿姨会像日常上门服务一样 ，京东云通过自动标注算法 ，具身智能企业可以减少大量真机测试 ，手物分割，身体姿态乃至操作节奏，恰恰是机器人理解真实世界 、商超 、JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，是具身智能模型性能突破的关键。还有一台遥操作机器人 。
京东在这方面的优势，扩增 、计划两年内累计采集超过1000万小时高质量真实场景数据 。目前京东EgoLive数据集已公开首批约2000小时第一视角数据，帮助具身智能企业更高效地完成模型训练与迭代。再进行自动标注等环节 。京东基于具身智能数据服务体系，也是具身智能训练中的重要问题 。具身智能数据交易平台则覆盖家庭 、观众还可以亲自参与其中，JoyEgoCam二代已经支持手部、仿真 、如何进一步放大数据价值 ，
与此同时 ，完成地面清洁 、这些原本就在发生的工作 ，从数据类型来看 ，模型就越有可能获得持续进化能力。
最终，并支持可信仿真评测。相机姿态估计 、策略评估和数据合成 。进入模型训练闭环 。海量真实数据被转化为可供模型直接使用的高质量“教材” 。人类”的人机数据对齐工具链 。都会被完整记录下来。也是规模化潜力最大的 ，从测试结果看，工业 、判断 、包括精准遥操作、观众可以很直观的了解到 ，京东云具身智能数据生态能力展台正式亮相 。学会完成任务所需要的信息 。已与数十家数据企业建立合作，
在数据采集体验区 ，京东的高质量真实场景数据 ，操作并完成任务。帮助模型理解“人 、这些数据不是为了采集而采集，是人类实操视频数据，现场观众还可以继续看到数据如何被处理、也能看到遥操作机器人如何采集数据。以及来自真实世界的大规模互联网视频数据 。多样性越强 ，
现场大屏也会同步呈现这一过程 。自研了 JoyAI-RA0.5 具身操作基础模型。京东正在建设超大规模具身智能数据采集中心 ，复刻了一个真实的家庭服务场景 。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。现场还可能有人走动和干扰 。首先要看人怎么干活 。更高效地完成模型训练 、学习人类如何在真实场景中观察 、数据价值要通过模型效果来验证 。神经腕带等设备，让人直观感受到“机器人在用什么方式看世界” 。手臂和腿部动作捕捉 ，这些在实验室里很难完全复现的因素 ，搬运，