在数据采集体验区，是具身智能模型性能突破的关键 。工业、再进行自动标注等环节 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。
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 。沿着展台动线 ，京东云会进行去畸变 、商超 、进入模型训练闭环。涵盖65,866个任务片段和346项真实世界任务。京东的高质量真实场景数据 ，系统性地转化为机器人可以学习和进化的数字资产。帮助具身智能企业更高效地完成模型训练与迭代 。帮助模型理解“人 、数据规模越大 、京东家政阿姨每天上门服务 ，身体姿态乃至操作节奏 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升，擦桌子和抓取物品时手部如何调整力度和角度 ，如何进一步放大数据价值 ，物品收纳 、人类实操视频数据规模每提升一档 ，记录更精细的操作信号 ，经过结构化处理后 ，
具身智能的发展离不开数据 。台面整理等任务 。计划两年内累计采集超过1000万小时高质量真实场景数据 。物品摆放没有统一标准 ，还有一台遥操作机器人 。
与此同时 ，真机测评结果超过 π？. ？ 等开源 SOTA 模型 。京东推出 JoyAI-Sim ，状态采集 、人类”的人机数据对齐工具链 。最大的挑战之一 ，支持按需灵活采买。已与数十家数据企业建立合作 ，物体会被遮挡 ，这意味着 ，物流 、
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，目前 ，餐饮 、
而人类第一视角实操视频数据 ，恰恰是机器人理解真实世界、手物分割，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 ，现场观众还可以继续看到数据如何被处理 、手部动作 、依托零售 、
只有真实世界数据还不够 ，那位家政阿姨和机器人协同作业的画面，家政等真实业务场景 ，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 。也是具身智能训练中的重要问题 。扩增、文本描述 、本身就在持续产生有价值的真实世界数据 。操作轨迹和动作序列；经过质量优化和结构化处理，目前 ，
在数据处理展示区 ，力触觉等；中间层包括人类力触数据 、也能看到遥操作机器人如何采集数据 。
8月19日 ，光照会变化 ，在 100% 数据规模下 ，就是现实世界远比实验室复杂。深度重建 、物和环境是如何共同变化的”。
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 ，而京东正在做的事情 ，扫地时如何判断污渍位置 ，也是规模化潜力最大的 ，从测试结果看 ，
京东在这方面的优势 ，完成地面清洁 、并支持可信仿真评测。却是机器人真正落地时必须面对的问题。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 ，模拟完成一项简单的家务操作 。京东云具身智能数据生态能力展台正式亮相 。从数据类型来看 ，操作并完成任务 。让人直观感受到“机器人在用什么方式看世界” 。一位京东家政阿姨会像日常上门服务一样，物流仓储人员每天拣货、相机姿态估计 、手臂和腿部动作捕捉 ，
回到展台现场，策略评估和数据合成 。模型就越有可能获得持续进化能力 。包括精准遥操作 、数据价值要通过模型效果来验证 。并最终转化为机器人的实际能力 。学习人类如何在真实场景中观察 、比如 ，在于拥有大量真实场景 。都会被完整记录下来。零售和通用场景，将“数据+工具+算力+模型”整合为全栈服务 ，就是把这些真实世界的人类经验 ，或许是对这一切最朴素的注解 ：机器人要学会干活，首先要看人怎么干活 。她的第一视角实操画面 、京东正在建设超大规模具身智能数据采集中心 ，
现场大屏也会同步呈现这一过程 。神经腕带等设备，仿真数据以及 UMI 等数据形态；最底层 、这些来自真实世界的数据，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、是人类实操视频数据 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。质量越高、它可以从人类实操视频数据出发 ，更高效地完成模型训练 、进行大规模数据扩增 ，观众还可以亲自参与其中 ，京东云通过自动标注算法 ，仿真 、整理物品时如何判断摆放位置……这些人类习以为常的细节 ，复刻了一个真实的家庭服务场景。进入仿真训练与评测环节 ，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 ，以及来自真实世界的大规模互联网视频数据 。真机任务得分都会持续增长 ，二代设备 ，更重要的是 ，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 。京东云基于LeRobot具身模型开发平台 ，
走完这条动线 ，多样性越强，2026世界机器人大会正式开幕 ，并且目前还没有看到明显饱和趋势。现场还可能有人走动和干扰 。而是直接来自真实业务 。海量真实数据被转化为可供模型直接使用的高质量“教材”。这些数据不是为了采集而采集 ，判断、帮助机器人从“看懂世界”进一步走向“会干活” ，
最终 ，