8月19日，京东据工教科体验一条从“人干活”到“教机器人干活”的云亮完整数据链路 。进行大规模数据扩增 ，政现已与数十家数据企业建立合作 ，场变成数厂亮出千打造“机器人 、时机书计划两年内累计采集超过1000万小时高质量真实场景数据。器人并支持可信仿真评测 。京东据工教科是云亮具身智能模型性能突破的关键 。就是政现把这些真实世界的人类经验 ，人类实操视频数据规模每提升一档 ，帮助模型理解“人 、JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，就是现实世界远比实验室复杂 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。光照会变化 ，
在数据处理展示区 ，
具身智能数据交易平台则覆盖家庭、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 。覆盖从局部动作到全身姿态的完整信息 。它可以从人类实操视频数据出发，完成地面清洁 、搬运 ，比如 ，还可以结合触觉手套 、也是具身智能训练中的重要问题。京东家政阿姨每天上门服务 ，而是直接来自真实业务 。真机测评结果超过 π ？.？ 等开源 SOTA 模型 。深度重建 、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 。都会被完整记录下来 。这些来自真实世界的数据，进入模型训练闭环。物品收纳 、并最终转化为机器人的实际能力 。零售和通用场景 ，记录更精细的操作信号 ，观众还可以亲自参与其中 ，这些数据不是为了采集而采集 ，也能看到遥操作机器人如何采集数据 。在 100% 数据规模下 ，可以保留人在真实环境中的视角 、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 ，学会完成任务所需要的信息 。策略评估和数据合成 。质量越高、仿真数据以及 UMI 等数据形态；最底层 、商超 、观众不仅可以看到人类实操数据是如何采集的 ，二代设备 ，一位京东家政阿姨会像日常上门服务一样 ，学习人类如何在真实场景中观察 、评测 ，扫地时如何判断污渍位置 ，是人类实操视频数据 ，并且目前还没有看到明显饱和趋势 。JoyEgoCam二代已经支持手部 、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。包括精准遥操作 、
具身智能的发展离不开数据 。仿真 、擦桌子和抓取物品时手部如何调整力度和角度 ，最大的挑战之一 ，在于拥有大量真实场景。物品摆放没有统一标准，观众可以很直观的了解到 ，
回到展台现场，这意味着 ，京东云会进行去畸变 、数据价值要通过模型效果来验证。恰恰是机器人理解真实世界 、京东云通过自动标注算法，京东云基于LeRobot具身模型开发平台 ，多样性越强 ，京东的高质量真实场景数据 ，2026世界机器人大会正式开幕 ，目前 ，她的第一视角实操画面 、判断 、物体会被遮挡，物流仓储人员每天拣货、首先要看人怎么干活。手物分割 ，人类”的人机数据对齐工具链。本身就在持续产生有价值的真实世界数据。
京东在这方面的优势 ，手部动作、而京东正在做的事情，状态采集 、
现场大屏也会同步呈现这一过程。
只有真实世界数据还不够，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。支持按需灵活采买 。京东基于具身智能数据服务体系 ，帮助具身智能企业更高效地完成模型训练与迭代 。系统能够识别并标记出画面中的关键物体 、这些数据传输至系统之后 ，系统性地转化为机器人可以学习和进化的数字资产 。模型就越有可能获得持续进化能力 。却是机器人真正落地时必须面对的问题 。现场还可能有人走动和干扰 。
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 ，进入仿真训练与评测环节，自研了 JoyAI-RA0.5 具身操作基础模型 。家政等真实业务场景 ，工业 、操作并完成任务。与她一同作业的，依托零售 、神经腕带等设备 ，操作轨迹和动作序列；经过质量优化和结构化处理，
最终 ，京东推出 JoyAI-Sim ，那位家政阿姨和机器人协同作业的画面 ，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置，台面整理等任务。这些原本就在发生的工作 ，力触觉等；中间层包括人类力触数据、动作节奏和操作意图 ，具身智能企业可以减少大量真机测试 ，更重要的是 ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，第一视角画面会实时同步至展区大屏 ，
而人类第一视角实操视频数据 ，模拟完成一项简单的家务操作 。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 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，
走完这条动线，在降低真机部署成本的同时 ，涵盖65,866个任务片段和346项真实世界任务 。以及来自真实世界的大规模互联网视频数据。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 ，京东云具身智能数据生态能力展台正式亮相。手部重建 、现场观众还可以继续看到数据如何被处理 、如何进一步放大数据价值 ，目前 ，将“数据+工具+算力+模型”整合为全栈服务 ，再进行自动标注等环节 。餐饮、经过结构化处理后，手臂和腿部动作捕捉 ，这些在实验室里很难完全复现的因素 ，观众可以亲自戴上JoyEgoCam一代、让人直观感受到“机器人在用什么方式看世界” 。
在数据采集体验区，物和环境是如何共同变化的” 。
与此同时 ，帮助机器人从“看懂世界”进一步走向“会干活” ，相机姿态估计 、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，扩增 、物流 、文本描述、也是规模化潜力最大的 ，最终会成为机器人学习的“教材” ，真机任务得分都会持续增长 ，从测试结果看 ，