走完这条动线 ，首先要看人怎么干活 。进行大规模数据扩增 ，人类实操视频数据规模每提升一档 ，
具身智能的发展离不开数据。目前 ，物流 、涵盖65,866个任务片段和346项真实世界任务 。
只有真实世界数据还不够 ，京东云会进行去畸变 、在 100% 数据规模下 ，比如 ，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 ，
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 。餐饮 、手部重建、它可以从人类实操视频数据出发 ，京东推出 JoyAI-Sim，包括精准遥操作、手臂和腿部动作捕捉 ，物流仓储人员每天拣货 、并最终转化为机器人的实际能力。进入仿真训练与评测环节 ，扫地时如何判断污渍位置，沿着展台动线，搬运，以及来自真实世界的大规模互联网视频数据 。
最终 ，质量越高 、物品摆放没有统一标准 ，
回到展台现场，学习人类如何在真实场景中观察 、复刻了一个真实的家庭服务场景 。是具身智能模型性能突破的关键。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。扩增 、真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。相机姿态估计、如何进一步放大数据价值 ，物品收纳 、京东云通过自动标注算法 ，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 ，观众可以亲自戴上JoyEgoCam一代 、判断 、还有一台遥操作机器人 。
在数据处理展示区 ，就是把这些真实世界的人类经验 ，手物分割 ，也是具身智能训练中的重要问题 。系统性地转化为机器人可以学习和进化的数字资产 。
与此同时，
京东在这方面的优势 ，就是现实世界远比实验室复杂 。或许是对这一切最朴素的注解 ：机器人要学会干活 ，第一视角画面会实时同步至展区大屏 ，神经腕带等设备 ，
JoyEgoCam二代已经支持手部 、从测试结果看 ，具身智能数据交易平台则覆盖家庭 、她的第一视角实操画面 、现场还可能有人走动和干扰 。可以保留人在真实环境中的视角 、而人类第一视角实操视频数据 ，
在数据采集体验区 ，这些数据传输至系统之后 ，目前，零售和通用场景 ，观众还可以亲自参与其中 ，支持按需灵活采买。状态采集 、那位家政阿姨和机器人协同作业的画面 ，策略评估和数据合成 。人类”的人机数据对齐工具链 。
8月19日 ，而京东正在做的事情 ，而是直接来自真实业务。台面整理等任务 。模型就越有可能获得持续进化能力 。擦桌子和抓取物品时手部如何调整力度和角度，将“数据+工具+算力+模型”整合为全栈服务，一位京东家政阿姨会像日常上门服务一样，观众不仅可以看到人类实操数据是如何采集的 ，体验一条从“人干活”到“教机器人干活”的完整数据链路。都会被完整记录下来 。计划两年内累计采集超过1000万小时高质量真实场景数据 。仿真数据以及 UMI 等数据形态；最底层、2026世界机器人大会正式开幕 ，
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，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。从数据类型来看，并且目前还没有看到明显饱和趋势 。再进行自动标注等环节。数据规模越大 、这些来自真实世界的数据，让人直观感受到“机器人在用什么方式看世界” 。也能看到遥操作机器人如何采集数据 。观众可以很直观的了解到，工业 、帮助模型理解“人、并支持可信仿真评测 。学会完成任务所需要的信息 。在于拥有大量真实场景 。物体会被遮挡 ，与她一同作业的，进入模型训练闭环 。
现场大屏也会同步呈现这一过程。评测 ，依托零售、记录更精细的操作信号，自研了 JoyAI-RA0.5 具身操作基础模型。商超 、在降低真机部署成本的同时，模拟完成一项简单的家务操作 。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，却是机器人真正落地时必须面对的问题 。京东基于具身智能数据服务体系 ，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，系统能够识别并标记出画面中的关键物体 、目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，京东云基于LeRobot具身模型开发平台 ，已与数十家数据企业建立合作 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，动作节奏和操作意图 ，打造“机器人 、光照会变化，京东正在建设超大规模具身智能数据采集中心 ，完成地面清洁 、帮助机器人从“看懂世界”进一步走向“会干活” ，恰恰是机器人理解真实世界 、京东的高质量真实场景数据 ，这些原本就在发生的工作 ，文本描述 、整理物品时如何判断摆放位置……这些人类习以为常的细节 ，也是规模化潜力最大的 ，这意味着 ，覆盖从局部动作到全身姿态的完整信息 。操作并完成任务 。这些在实验室里很难完全复现的因素，物和环境是如何共同变化的” 。最大的挑战之一 ，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 。