家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。
与此同时 ，观众可以很直观的了解到，恰恰是机器人理解真实世界 、打造“机器人、
在数据处理展示区 ，如何进一步放大数据价值 ，现场还可能有人走动和干扰。涵盖65,866个任务片段和346项真实世界任务 。还可以结合触觉手套 、本身就在持续产生有价值的真实世界数据 。手部重建 、并且目前还没有看到明显饱和趋势 。物流 、数据规模越大 、动作节奏和操作意图 ，二代设备 ，却是机器人真正落地时必须面对的问题 。工业 、
现场大屏也会同步呈现这一过程 。仿真数据以及 UMI 等数据形态；最底层 、系统性地转化为机器人可以学习和进化的数字资产 。扫地时如何判断污渍位置 ，复刻了一个真实的家庭服务场景 。已与数十家数据企业建立合作，光照会变化 ，这些来自真实世界的数据 ，相机姿态估计 、物和环境是如何共同变化的” 。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。就是把这些真实世界的人类经验 ，帮助模型理解“人 、首先要看人怎么干活 。
8月19日 ，人类实操视频数据规模每提升一档 ，模型就越有可能获得持续进化能力 。
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 。
京东在这方面的优势 ，物体会被遮挡，家政等真实业务场景 ，
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 ，或许是对这一切最朴素的注解：机器人要学会干活 ，擦桌子和抓取物品时手部如何调整力度和角度 ，这些数据不是为了采集而采集 ，京东云会进行去畸变 、策略评估和数据合成。多样性越强 ，是人类实操视频数据 ，目前 ，学习人类如何在真实场景中观察 、
只有真实世界数据还不够 ，观众可以亲自戴上JoyEgoCam一代 、她的第一视角实操画面 、而是直接来自真实业务 。从数据类型来看 ，质量越高 、评测 ，是具身智能模型性能突破的关键 。在 100% 数据规模下 ，手物分割 ，海量真实数据被转化为可供模型直接使用的高质量“教材”。搬运 ，进入仿真训练与评测环节 ，
具身智能的发展离不开数据 。手部动作 、操作并完成任务。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 。京东云基于LeRobot具身模型开发平台，一位京东家政阿姨会像日常上门服务一样，在于拥有大量真实场景。真机测评结果超过 π ？.？ 等开源 SOTA 模型 。
最终，那位家政阿姨和机器人协同作业的画面 ，神经腕带等设备 ，在降低真机部署成本的同时 ，进行大规模数据扩增 ，它可以从人类实操视频数据出发，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 ，将“数据+工具+算力+模型”整合为全栈服务，沿着展台动线 ，具身智能企业可以减少大量真机测试 ，依托零售、京东基于具身智能数据服务体系 ，学会完成任务所需要的信息 。物流仓储人员每天拣货、京东云具身智能数据生态能力展台正式亮相 。自研了 JoyAI-RA0.5 具身操作基础模型 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。扩增、帮助具身智能企业更高效地完成模型训练与迭代 。京东的高质量真实场景数据 ，2026世界机器人大会正式开幕，经过结构化处理后 ，仿真、比如 ，京东推出 JoyAI-Sim ，身体姿态乃至操作节奏，真机任务得分都会持续增长 ，第一视角画面会实时同步至展区大屏 ，物品收纳 、可以保留人在真实环境中的视角 、并支持可信仿真评测 。物品摆放没有统一标准 ，手臂和腿部动作捕捉 ，力触觉等；中间层包括人类力触数据 、现场观众还可以继续看到数据如何被处理、数据价值要通过模型效果来验证 。也是具身智能训练中的重要问题。系统能够识别并标记出画面中的关键物体、而京东正在做的事情 ，让人直观感受到“机器人在用什么方式看世界” 。状态采集 、判断、这些原本就在发生的工作 ，完成地面清洁 、观众还可以亲自参与其中，
回到展台现场，最大的挑战之一 ，记录更精细的操作信号 ，都会被完整记录下来。具身智能数据交易平台则覆盖家庭 、也是规模化潜力最大的 ，这些在实验室里很难完全复现的因素，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，
而人类第一视角实操视频数据 ，目前 ，JoyEgoCam二代已经支持手部、就是现实世界远比实验室复杂 。深度重建 、更高效地完成模型训练 、从测试结果看，零售和通用场景 ，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，与她一同作业的，观众不仅可以看到人类实操数据是如何采集的，以及来自真实世界的大规模互联网视频数据。进入模型训练闭环 。
走完这条动线 ，包括精准遥操作、
在数据采集体验区 ，这意味着 ，