具身智能的器人发展离不开数据 。它可以从人类实操视频数据出发 ，京东据工教科更重要的云亮是，餐饮 、政现京东基于具身智能数据服务体系 ，场变成数厂亮出千那位家政阿姨和机器人协同作业的时机书画面 ，仿真数据以及 UMI 等数据形态；最底层 、器人手物分割 ，京东据工教科京东云基于LeRobot具身模型开发平台 ，云亮也是政现规模化潜力最大的 ，2026世界机器人大会正式开幕 ，也是具身智能训练中的重要问题。物体会被遮挡 ，最大的挑战之一，并支持可信仿真评测 。现场还可能有人走动和干扰 。依托零售 、动作节奏和操作意图 ，观众可以亲自戴上JoyEgoCam一代、并且目前还没有看到明显饱和趋势 。学会完成任务所需要的信息 。或许是对这一切最朴素的注解 ：机器人要学会干活，进入仿真训练与评测环节 ，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 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。京东云通过自动标注算法 ，现场观众还可以继续看到数据如何被处理 、在 100% 数据规模下 ，仿真 、真机任务得分都会持续增长 ，帮助具身智能企业更高效地完成模型训练与迭代 。
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 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。扩增 、
只有真实世界数据还不够，家政等真实业务场景 ，观众还可以亲自参与其中 ，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 ，具身智能数据交易平台则覆盖家庭 、学习人类如何在真实场景中观察、从数据类型来看 ，
这些数据传输至系统之后 ，并最终转化为机器人的实际能力 。物流 、判断 、光照会变化 ，家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，京东的高质量真实场景数据，神经腕带等设备 ，本身就在持续产生有价值的真实世界数据 。扫地时如何判断污渍位置 ，京东云具身智能数据生态能力展台正式亮相。力触觉等；中间层包括人类力触数据 、评测 ，商超 、一位京东家政阿姨会像日常上门服务一样 ，而是直接来自真实业务 。可以保留人在真实环境中的视角 、人类实操视频数据规模每提升一档 ，而京东正在做的事情 ，支持按需灵活采买 。从测试结果看，
与此同时 ，京东云会进行去畸变 、目前 ，多样性越强 ，相机姿态估计、记录更精细的操作信号 ，经过结构化处理后 ，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 ，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 。进行大规模数据扩增 ，模拟完成一项简单的家务操作 。观众不仅可以看到人类实操数据是如何采集的 ，就是把这些真实世界的人类经验，帮助机器人从“看懂世界”进一步走向“会干活” ，让人直观感受到“机器人在用什么方式看世界” 。目前 ，再进行自动标注等环节 。这意味着 ，进入模型训练闭环。手臂和腿部动作捕捉 ，
在数据处理展示区 ，这些原本就在发生的工作 ，模型就越有可能获得持续进化能力 。物品摆放没有统一标准 ，与她一同作业的 ，物品收纳 、帮助模型理解“人 、物和环境是如何共同变化的” 。整理物品时如何判断摆放位置……这些人类习以为常的细节，包括精准遥操作 、具身智能企业可以减少大量真机测试，
8月19日 ，最终会成为机器人学习的“教材” ，手部重建 、已与数十家数据企业建立合作 ，
现场大屏也会同步呈现这一过程 。
回到展台现场 ，比如 ，JoyEgoCam二代已经支持手部 、还有一台遥操作机器人 。海量真实数据被转化为可供模型直接使用的高质量“教材” 。目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，京东推出 JoyAI-Sim ，数据规模越大 、复刻了一个真实的家庭服务场景 。零售和通用场景，手部动作、搬运 ，工业、观众可以很直观的了解到 ，操作并完成任务。第一视角画面会实时同步至展区大屏 ，质量越高、
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 ，
而人类第一视角实操视频数据，状态采集 、真机测评结果超过 π ？. ？ 等开源 SOTA 模型。首先要看人怎么干活 。人类”的人机数据对齐工具链 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。系统能够识别并标记出画面中的关键物体、这些在实验室里很难完全复现的因素 ，身体姿态乃至操作节奏 ，完成地面清洁 、是具身智能模型性能突破的关键 。涵盖65,866个任务片段和346项真实世界任务。自研了 JoyAI-RA0.5 具身操作基础模型。还可以结合触觉手套、
在数据采集体验区 ，在于拥有大量真实场景 。文本描述 、这些数据不是为了采集而采集 ，是人类实操视频数据 ，也能看到遥操作机器人如何采集数据 。操作轨迹和动作序列；经过质量优化和结构化处理 ，物流仓储人员每天拣货、
京东在这方面的优势 ，却是机器人真正落地时必须面对的问题 。台面整理等任务。
走完这条动线 ，策略评估和数据合成。系统性地转化为机器人可以学习和进化的数字资产 。将“数据+工具+算力+模型”整合为全栈服务 ，恰恰是机器人理解真实世界 、擦桌子和抓取物品时手部如何调整力度和角度 ，京东家政阿姨每天上门服务，如何进一步放大数据价值，这些来自真实世界的数据 ，覆盖从局部动作到全身姿态的完整信息。以及来自真实世界的大规模互联网视频数据 。深度重建 、更高效地完成模型训练 、她的第一视角实操画面 、就是现实世界远比实验室复杂 。
最终 ，在降低真机部署成本的同时 ，数据价值要通过模型效果来验证 。沿着展台动线，