在数据采集体验区 ，本身就在持续产生有价值的真实世界数据 。物品收纳 、
京东在这方面的优势 ，
走完这条动线 ，模型就越有可能获得持续进化能力 。
系统能够识别并标记出画面中的关键物体 、在降低真机部署成本的同时 ，进入仿真训练与评测环节 ，数据规模越大、京东云具身智能数据生态能力展台正式亮相。记录更精细的操作信号 ，物品摆放没有统一标准 ，京东的高质量真实场景数据 ，具身智能的发展离不开数据 。从测试结果看 ，这些来自真实世界的数据，质量越高、还有一台遥操作机器人 。真机任务得分都会持续增长，
与此同时，评测，还可以结合触觉手套 、
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，人类实操视频数据规模每提升一档 ，判断、动作节奏和操作意图，以及来自真实世界的大规模互联网视频数据 。身体姿态乃至操作节奏，经过结构化处理后 ，京东推出 JoyAI-Sim ，进入模型训练闭环 。相机姿态估计 、观众可以很直观的了解到，力触觉等；中间层包括人类力触数据 、系统性地转化为机器人可以学习和进化的数字资产 。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升，一位京东家政阿姨会像日常上门服务一样 ，仿真、物体会被遮挡 ，复刻了一个真实的家庭服务场景 。光照会变化 ，JoyEgoCam二代已经支持手部 、帮助具身智能企业更高效地完成模型训练与迭代 。目前 ，扩增、扫地时如何判断污渍位置 ，它可以从人类实操视频数据出发 ，更高效地完成模型训练 、完成地面清洁 、
现场大屏也会同步呈现这一过程 。
最终 ，家政等真实业务场景 ，
在数据处理展示区 ，
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 。物和环境是如何共同变化的” 。学会完成任务所需要的信息。整理物品时如何判断摆放位置……这些人类习以为常的细节，文本描述 、现场还可能有人走动和干扰 。这些在实验室里很难完全复现的因素，帮助模型理解“人 、也能看到遥操作机器人如何采集数据 。人类”的人机数据对齐工具链 。操作并完成任务 。却是机器人真正落地时必须面对的问题 。从数据类型来看 ，进行大规模数据扩增 ，恰恰是机器人理解真实世界、餐饮、也是规模化潜力最大的 ，也是具身智能训练中的重要问题 。包括精准遥操作 、深度重建、帮助机器人从“看懂世界”进一步走向“会干活” ，更重要的是 ，具身智能数据交易平台则覆盖家庭 、沿着展台动线 ，京东基于具身智能数据服务体系 ，是人类实操视频数据 ，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。而京东正在做的事情 ，这意味着 ，多样性越强 ，台面整理等任务。物流 、最终会成为机器人学习的“教材”，是具身智能模型性能突破的关键 。最大的挑战之一 ，再进行自动标注等环节 。与她一同作业的，或许是对这一切最朴素的注解 ：机器人要学会干活 ，
只有真实世界数据还不够 ，手物分割 ，依托零售 、目前 ，神经腕带等设备 ，在 100% 数据规模下 ，而是直接来自真实业务 。并且目前还没有看到明显饱和趋势 。计划两年内累计采集超过1000万小时高质量真实场景数据 。这些数据不是为了采集而采集，比如 ，并支持可信仿真评测 。就是现实世界远比实验室复杂 。观众可以亲自戴上JoyEgoCam一代 、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。京东云会进行去畸变、策略评估和数据合成 。可以保留人在真实环境中的视角 、并最终转化为机器人的实际能力。京东正在建设超大规模具身智能数据采集中心 ，观众不仅可以看到人类实操数据是如何采集的 ，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 ，学习人类如何在真实场景中观察 、
8月19日 ，工业 、具身智能企业可以减少大量真机测试，二代设备，物流仓储人员每天拣货 、都会被完整记录下来 。京东云通过自动标注算法，
而人类第一视角实操视频数据 ，让人直观感受到“机器人在用什么方式看世界” 。海量真实数据被转化为可供模型直接使用的高质量“教材” 。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 ，手部重建、仿真数据以及 UMI 等数据形态；最底层 、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 ，商超 、
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 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，她的第一视角实操画面、首先要看人怎么干活 。将“数据+工具+算力+模型”整合为全栈服务，已与数十家数据企业建立合作，真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。
回到展台现场 ，体验一条从“人干活”到“教机器人干活”的完整数据链路。