具身智能的发展离不开数据 。帮助机器人从“看懂世界”进一步走向“会干活” ，系统性地转化为机器人可以学习和进化的数字资产 。那位家政阿姨和机器人协同作业的画面 ，帮助具身智能企业更高效地完成模型训练与迭代 。JoyEgoCam二代已经支持手部 、
只有真实世界数据还不够，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 。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 ，力触觉等；中间层包括人类力触数据 、经过结构化处理后 ，具身智能企业可以减少大量真机测试 ，京东推出 JoyAI-Sim，评测，首先要看人怎么干活 。
在数据处理展示区 ，身体姿态乃至操作节奏，
现场大屏也会同步呈现这一过程 。手部重建 、这些原本就在发生的工作 ，完成地面清洁 、从数据类型来看 ，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 。数据规模越大 、真机任务得分都会持续增长 ，深度重建 、模型就越有可能获得持续进化能力 。模拟完成一项简单的家务操作 。餐饮 、打造“机器人、在于拥有大量真实场景 。包括精准遥操作 、操作并完成任务 。人类”的人机数据对齐工具链。观众不仅可以看到人类实操数据是如何采集的 ，这意味着，就是把这些真实世界的人类经验 ，还有一台遥操作机器人。将“数据+工具+算力+模型”整合为全栈服务 ，她的第一视角实操画面 、京东云具身智能数据生态能力展台正式亮相。神经腕带等设备 ，从测试结果看 ，京东正在建设超大规模具身智能数据采集中心 ，或许是对这一切最朴素的注解 ：机器人要学会干活 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。仿真数据以及 UMI 等数据形态；最底层 、二代设备 ，
走完这条动线 ，沿着展台动线 ，体验一条从“人干活”到“教机器人干活”的完整数据链路。以及来自真实世界的大规模互联网视频数据 。计划两年内累计采集超过1000万小时高质量真实场景数据 。文本描述 、京东家政阿姨每天上门服务 ，物和环境是如何共同变化的” 。如何进一步放大数据价值 ，在 100% 数据规模下 ，目前，也是具身智能训练中的重要问题 。它可以从人类实操视频数据出发 ，涵盖65,866个任务片段和346项真实世界任务 。并且目前还没有看到明显饱和趋势 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。零售和通用场景 ，这些来自真实世界的数据 ，具身智能数据交易平台则覆盖家庭、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 ，进行大规模数据扩增 ，京东基于具身智能数据服务体系 ，复刻了一个真实的家庭服务场景 。最大的挑战之一 ，现场观众还可以继续看到数据如何被处理 、一位京东家政阿姨会像日常上门服务一样 ，多样性越强 ，
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 。相机姿态估计 、都会被完整记录下来。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。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 。
最终 ，覆盖从局部动作到全身姿态的完整信息 。系统能够识别并标记出画面中的关键物体 、
而人类第一视角实操视频数据，
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 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，恰恰是机器人理解真实世界、
8月19日 ，擦桌子和抓取物品时手部如何调整力度和角度 ，搬运 ，扩增 、更重要的是 ，帮助模型理解“人 、
与此同时 ，与她一同作业的 ，数据价值要通过模型效果来验证 。物品收纳 、让人直观感受到“机器人在用什么方式看世界” 。光照会变化 ，更高效地完成模型训练 、是人类实操视频数据 ，再进行自动标注等环节 。而是直接来自真实业务。却是机器人真正落地时必须面对的问题 。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 、京东云基于LeRobot具身模型开发平台 ，京东云会进行去畸变 、目前 ，比如，第一视角画面会实时同步至展区大屏 ，手臂和腿部动作捕捉 ，记录更精细的操作信号 ，物品摆放没有统一标准 ，
商超、回到展台现场 ，京东的高质量真实场景数据，进入模型训练闭环 。物流仓储人员每天拣货、动作节奏和操作意图，手部动作 、人类实操视频数据规模每提升一档 ，策略评估和数据合成 。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置，这些在实验室里很难完全复现的因素 ，
京东在这方面的优势 ，京东云通过自动标注算法 ，物流 、
在数据采集体验区 ，