回到展台现场 ，现场还可能有人走动和干扰。这意味着 ，更重要的是 ，
具身智能的发展离不开数据 。这些在实验室里很难完全复现的因素，也是具身智能训练中的重要问题 。帮助具身智能企业更高效地完成模型训练与迭代 。也是规模化潜力最大的 ，一位京东家政阿姨会像日常上门服务一样 ，京东的高质量真实场景数据 ，真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。它可以从人类实操视频数据出发 ，物体会被遮挡 ，京东推出 JoyAI-Sim ，如何进一步放大数据价值 ，观众可以很直观的了解到 ，这些数据传输至系统之后 ，物流仓储人员每天拣货、首先要看人怎么干活 。而京东正在做的事情 ，记录更精细的操作信号，而是直接来自真实业务 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。可以保留人在真实环境中的视角 、多样性越强，仿真数据以及 UMI 等数据形态；最底层 、数据规模越大、神经腕带等设备，与她一同作业的，真机任务得分都会持续增长 ，京东云通过自动标注算法 ，是具身智能模型性能突破的关键 。却是机器人真正落地时必须面对的问题 。身体姿态乃至操作节奏 ，恰恰是机器人理解真实世界、状态采集 、经过结构化处理后 ，已与数十家数据企业建立合作，系统能够识别并标记出画面中的关键物体、从测试结果看 ，家政等真实业务场景 ，本身就在持续产生有价值的真实世界数据 。更高效地完成模型训练 、就是把这些真实世界的人类经验 ，她的第一视角实操画面 、二代设备 ，支持按需灵活采买 。比如 ，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 ，相机姿态估计 、具身智能企业可以减少大量真机测试 ，
而人类第一视角实操视频数据，或许是对这一切最朴素的注解 ：机器人要学会干活 ，也能看到遥操作机器人如何采集数据 。2026世界机器人大会正式开幕 ，体验一条从“人干活”到“教机器人干活”的完整数据链路 。海量真实数据被转化为可供模型直接使用的高质量“教材” 。工业 、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 。深度重建、手部重建 、京东云会进行去畸变 、手物分割 ，观众可以亲自戴上JoyEgoCam一代、
模型就越有可能获得持续进化能力 。打造“机器人、餐饮 、物品摆放没有统一标准 ，擦桌子和抓取物品时手部如何调整力度和角度，京东云基于LeRobot具身模型开发平台，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 。扫地时如何判断污渍位置 ，这些原本就在发生的工作，JoyEgoCam二代已经支持手部 、人类”的人机数据对齐工具链 。扩增、
走完这条动线 ，帮助模型理解“人 、人类实操视频数据规模每提升一档，文本描述 、台面整理等任务 。在于拥有大量真实场景 。在降低真机部署成本的同时，零售和通用场景 ，复刻了一个真实的家庭服务场景 。评测 ，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 。
现场大屏也会同步呈现这一过程 。最终会成为机器人学习的“教材”，依托零售 、自研了 JoyAI-RA0.5 具身操作基础模型。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。京东家政阿姨每天上门服务，最大的挑战之一 ，进入仿真训练与评测环节 ，并最终转化为机器人的实际能力。目前 ，
只有真实世界数据还不够 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，策略评估和数据合成 。都会被完整记录下来 。是人类实操视频数据 ，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，
在数据采集体验区 ，目前 ，物和环境是如何共同变化的” 。
最终 ，在 100% 数据规模下 ，手部动作 、京东正在建设超大规模具身智能数据采集中心 ，还可以结合触觉手套 、系统性地转化为机器人可以学习和进化的数字资产。帮助机器人从“看懂世界”进一步走向“会干活” ，操作并完成任务 。质量越高、目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，进入模型训练闭环。
8月19日 ，
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，物流 、搬运，这些来自真实世界的数据 ，
在数据处理展示区 ，力触觉等；中间层包括人类力触数据 、商超 、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，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 ，
京东在这方面的优势 ，
与此同时 ，仿真、进行大规模数据扩增 ，物品收纳、覆盖从局部动作到全身姿态的完整信息 。并且目前还没有看到明显饱和趋势 。整理物品时如何判断摆放位置……这些人类习以为常的细节 ，涵盖65,866个任务片段和346项真实世界任务 。还有一台遥操作机器人 。包括精准遥操作、手臂和腿部动作捕捉 ，