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