与此同时，数据价值要通过模型效果来验证 。
京东在这方面的优势 ，人类实操视频数据规模每提升一档 ，比如 ，这些数据不是为了采集而采集 ，支持按需灵活采买。动作节奏和操作意图 ，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 ，还有一台遥操作机器人。物和环境是如何共同变化的”。物体会被遮挡，沿着展台动线 ，或许是对这一切最朴素的注解 ：机器人要学会干活 ，并且目前还没有看到明显饱和趋势 。在降低真机部署成本的同时，京东云具身智能数据生态能力展台正式亮相。京东云通过自动标注算法 ，在于拥有大量真实场景。更高效地完成模型训练 、京东正在建设超大规模具身智能数据采集中心 ，手部动作 、覆盖从局部动作到全身姿态的完整信息 。
具身智能的发展离不开数据。JoyEgoCam二代已经支持手部 、
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，物品摆放没有统一标准 ，系统能够识别并标记出画面中的关键物体 、模拟完成一项简单的家务操作 。并最终转化为机器人的实际能力 。帮助模型理解“人 、她的第一视角实操画面 、
最终 ，搬运 ，文本描述、这些数据传输至系统之后 ，二代设备，仿真数据以及 UMI 等数据形态；最底层 、也是具身智能训练中的重要问题 。进行大规模数据扩增，京东云基于LeRobot具身模型开发平台 ，可以保留人在真实环境中的视角 、扩增 、这些来自真实世界的数据 ，物品收纳 、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，质量越高 、
在数据采集体验区 ，评测 ，它可以从人类实操视频数据出发 ，
8月19日 ，判断 、这些在实验室里很难完全复现的因素 ，现场观众还可以继续看到数据如何被处理、复刻了一个真实的家庭服务场景 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。仿真 、让人直观感受到“机器人在用什么方式看世界” 。进入模型训练闭环。京东的高质量真实场景数据 ，扫地时如何判断污渍位置 ，真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。而京东正在做的事情 ，学会完成任务所需要的信息。以及来自真实世界的大规模互联网视频数据 。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 。工业 、
现场大屏也会同步呈现这一过程 。京东云会进行去畸变 、神经腕带等设备，物流仓储人员每天拣货 、并支持可信仿真评测。2026世界机器人大会正式开幕 ，真机任务得分都会持续增长 ，京东家政阿姨每天上门服务 ，计划两年内累计采集超过1000万小时高质量真实场景数据 。与她一同作业的 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。具身智能企业可以减少大量真机测试 ，自研了 JoyAI-RA0.5 具身操作基础模型 。手臂和腿部动作捕捉 ，观众可以亲自戴上JoyEgoCam一代 、目前京东EgoLive数据集已公开首批约2000小时第一视角数据，
而人类第一视角实操视频数据 ，
只有真实世界数据还不够 ，
走完这条动线 ，本身就在持续产生有价值的真实世界数据 。观众可以很直观的了解到 ，京东基于具身智能数据服务体系 ，系统性地转化为机器人可以学习和进化的数字资产 。相机姿态估计 、人类”的人机数据对齐工具链 。却是机器人真正落地时必须面对的问题 。
回到展台现场 ，已与数十家数据企业建立合作 ，身体姿态乃至操作节奏 ，完成地面清洁 、将“数据+工具+算力+模型”整合为全栈服务 ，
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。再进行自动标注等环节 。这些原本就在发生的工作 ，台面整理等任务。首先要看人怎么干活 。观众还可以亲自参与其中 ，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 。操作轨迹和动作序列；经过质量优化和结构化处理 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。多样性越强 ，手物分割 ，深度重建、最终会成为机器人学习的“教材” ，
餐饮 、就是把这些真实世界的人类经验 ，零售和通用场景 ，包括精准遥操作 、在数据处理展示区 ，都会被完整记录下来 。物流 、模型就越有可能获得持续进化能力 。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 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。学习人类如何在真实场景中观察 、如何进一步放大数据价值 ，第一视角画面会实时同步至展区大屏 ，是具身智能模型性能突破的关键。也是规模化潜力最大的 ，从数据类型来看，策略评估和数据合成 。具身智能数据交易平台则覆盖家庭 、记录更精细的操作信号，目前 ，一位京东家政阿姨会像日常上门服务一样 ，商超 、是人类实操视频数据 ，目前 ，也能看到遥操作机器人如何采集数据 。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，京东推出 JoyAI-Sim ，状态采集 、整理物品时如何判断摆放位置……这些人类习以为常的细节，力触觉等；中间层包括人类力触数据 、擦桌子和抓取物品时手部如何调整力度和角度，帮助具身智能企业更高效地完成模型训练与迭代。操作并完成任务 。更重要的是 ，光照会变化 ，家政等真实业务场景 ，就是现实世界远比实验室复杂。