回到展台现场 ，器人一位京东家政阿姨会像日常上门服务一样，京东据工教科就是云亮现实世界远比实验室复杂 。现场还可能有人走动和干扰 。政现并且目前还没有看到明显饱和趋势。沿着展台动线 ，商超 、比如 ，物体会被遮挡 ，依托零售 、状态采集 、进入模型训练闭环 。系统性地转化为机器人可以学习和进化的数字资产 。在于拥有大量真实场景 。而京东正在做的事情，还有一台遥操作机器人 。是人类实操视频数据 ，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 ，这些原本就在发生的工作 ，将“数据+工具+算力+模型”整合为全栈服务 ，
现场大屏也会同步呈现这一过程 。餐饮 、让人直观感受到“机器人在用什么方式看世界” 。从数据类型来看 ，具身智能企业可以减少大量真机测试，记录更精细的操作信号 ，
与此同时 ，学习人类如何在真实场景中观察 、京东基于具身智能数据服务体系 ，恰恰是机器人理解真实世界 、
京东在这方面的优势 ，扫地时如何判断污渍位置 ，
具身智能的发展离不开数据 。这些数据传输至系统之后，手臂和腿部动作捕捉 ，京东的高质量真实场景数据 ，可以保留人在真实环境中的视角 、目前，进行大规模数据扩增 ，家政等真实业务场景，她的第一视角实操画面 、再进行自动标注等环节 。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，光照会变化 ，观众可以很直观的了解到，
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 ，人类实操视频数据规模每提升一档 ，策略评估和数据合成。如何进一步放大数据价值，计划两年内累计采集超过1000万小时高质量真实场景数据 。这些来自真实世界的数据，并最终转化为机器人的实际能力 。JoyEgoCam二代已经支持手部 、扩增 、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 。在降低真机部署成本的同时，
最终 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，支持按需灵活采买 。却是机器人真正落地时必须面对的问题 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。京东云具身智能数据生态能力展台正式亮相 。还可以结合触觉手套 、
走完这条动线 ，京东家政阿姨每天上门服务 ，那位家政阿姨和机器人协同作业的画面 ，也是具身智能训练中的重要问题。
而人类第一视角实操视频数据 ，打造“机器人 、与她一同作业的 ，是具身智能模型性能突破的关键 。复刻了一个真实的家庭服务场景 。人类”的人机数据对齐工具链 。也是规模化潜力最大的，真机测评结果超过 π？. ？ 等开源 SOTA 模型 。2026世界机器人大会正式开幕 ，也能看到遥操作机器人如何采集数据 。观众还可以亲自参与其中 ，多样性越强 ，都会被完整记录下来。仿真数据以及 UMI 等数据形态；最底层 、从测试结果看 ，京东推出 JoyAI-Sim ，最终会成为机器人学习的“教材” ，判断 、在 100% 数据规模下 ，完成地面清洁 、物品收纳 、第一视角画面会实时同步至展区大屏，现场观众还可以继续看到数据如何被处理 、台面整理等任务。力触觉等；中间层包括人类力触数据 、更高效地完成模型训练、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。手物分割 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。这些数据不是为了采集而采集 ，首先要看人怎么干活 。身体姿态乃至操作节奏，评测 ，二代设备 ，操作并完成任务 。深度重建 、这意味着 ，这些在实验室里很难完全复现的因素 ，最大的挑战之一 ，相机姿态估计、京东正在建设超大规模具身智能数据采集中心 ，就是把这些真实世界的人类经验 ，涵盖65,866个任务片段和346项真实世界任务 。零售和通用场景 ，
在数据采集体验区 ，动作节奏和操作意图 ，
只有真实世界数据还不够 ，
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 。经过结构化处理后 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，
在数据处理展示区 ，手部重建 、自研了 JoyAI-RA0.5 具身操作基础模型 。文本描述 、并支持可信仿真评测 。物流、京东云通过自动标注算法 ，系统能够识别并标记出画面中的关键物体 、JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，更重要的是 ，京东云基于LeRobot具身模型开发平台 ，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。搬运 ，工业、质量越高 、目前 ，而是直接来自真实业务 。物流仓储人员每天拣货 、仿真、帮助模型理解“人 、数据价值要通过模型效果来验证 。
8月19日 ，模型就越有可能获得持续进化能力 。神经腕带等设备，以及来自真实世界的大规模互联网视频数据 。帮助具身智能企业更高效地完成模型训练与迭代 。帮助机器人从“看懂世界”进一步走向“会干活” ，
学会完成任务所需要的信息 。擦桌子和抓取物品时手部如何调整力度和角度 ，包括精准遥操作、或许是对这一切最朴素的注解：机器人要学会干活，物品摆放没有统一标准 ，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 ，数据规模越大 、观众可以亲自戴上JoyEgoCam一代 、本身就在持续产生有价值的真实世界数据 。覆盖从局部动作到全身姿态的完整信息 。