在数据处理展示区 ，第一视角画面会实时同步至展区大屏，JoyEgoCam二代已经支持手部 、都会被完整记录下来 。从测试结果看，这些来自真实世界的数据 ，并且目前还没有看到明显饱和趋势 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。京东的高质量真实场景数据 ，
而人类第一视角实操视频数据 ，进入模型训练闭环。自研了 JoyAI-RA0.5 具身操作基础模型 。系统性地转化为机器人可以学习和进化的数字资产 。手物分割 ，数据规模越大 、策略评估和数据合成 。最大的挑战之一，并最终转化为机器人的实际能力。评测 ，京东推出 JoyAI-Sim ，比如 ，商超 、还可以结合触觉手套 、完成地面清洁 、搬运 ，在降低真机部署成本的同时，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，也能看到遥操作机器人如何采集数据 。帮助机器人从“看懂世界”进一步走向“会干活”，物品摆放没有统一标准 ，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 、以及来自真实世界的大规模互联网视频数据 。可以保留人在真实环境中的视角 、
具身智能的发展离不开数据 。系统能够识别并标记出画面中的关键物体 、支持按需灵活采买 。操作并完成任务 。就是现实世界远比实验室复杂。真机任务得分都会持续增长 ，已与数十家数据企业建立合作 ，
回到展台现场 ，身体姿态乃至操作节奏 ，而是直接来自真实业务 。将“数据+工具+算力+模型”整合为全栈服务 ，手部重建 、从数据类型来看 ，
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 。真机测评结果超过 π ？.？ 等开源 SOTA 模型。最终会成为机器人学习的“教材” ，扫地时如何判断污渍位置，与她一同作业的 ，人类”的人机数据对齐工具链。那位家政阿姨和机器人协同作业的画面，手部动作 、覆盖从局部动作到全身姿态的完整信息。现场观众还可以继续看到数据如何被处理、它可以从人类实操视频数据出发 ，也是规模化潜力最大的 ，具身智能企业可以减少大量真机测试，是具身智能模型性能突破的关键 。她的第一视角实操画面 、海量真实数据被转化为可供模型直接使用的高质量“教材” 。模拟完成一项简单的家务操作 。
与此同时 ，具身智能数据交易平台则覆盖家庭 、帮助具身智能企业更高效地完成模型训练与迭代 。物流 、而京东正在做的事情，观众可以亲自戴上JoyEgoCam一代 、这些在实验室里很难完全复现的因素 ，
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 ，京东云具身智能数据生态能力展台正式亮相 。也是具身智能训练中的重要问题 。
走完这条动线，
只有真实世界数据还不够 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，经过结构化处理后 ，京东家政阿姨每天上门服务 ，依托零售 、这意味着 ，京东正在建设超大规模具身智能数据采集中心 ，物体会被遮挡 ，质量越高 、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 、帮助模型理解“人 、
现场大屏也会同步呈现这一过程。相机姿态估计 、台面整理等任务。涵盖65,866个任务片段和346项真实世界任务 。在 100% 数据规模下，餐饮 、计划两年内累计采集超过1000万小时高质量真实场景数据 。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 ，目前 ，观众不仅可以看到人类实操数据是如何采集的，更高效地完成模型训练、现场还可能有人走动和干扰 。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 ，观众可以很直观的了解到 ，工业、仿真 、数据价值要通过模型效果来验证 。判断 、再进行自动标注等环节 。物品收纳 、2026世界机器人大会正式开幕 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。
最终 ，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 。这些数据不是为了采集而采集，
在数据采集体验区 ，扩增、如何进一步放大数据价值 ，记录更精细的操作信号 ，京东云基于LeRobot具身模型开发平台 ，或许是对这一切最朴素的注解：机器人要学会干活 ，
京东在这方面的优势 ，模型就越有可能获得持续进化能力 。人类实操视频数据规模每提升一档 ，让人直观感受到“机器人在用什么方式看世界” 。光照会变化 ，京东基于具身智能数据服务体系 ，多样性越强 ，却是机器人真正落地时必须面对的问题 。进入仿真训练与评测环节 ，状态采集、神经腕带等设备 ，家政等真实业务场景 ，文本描述 、观众还可以亲自参与其中 ，本身就在持续产生有价值的真实世界数据。学习人类如何在真实场景中观察 、一位京东家政阿姨会像日常上门服务一样 ，并支持可信仿真评测。物流仓储人员每天拣货 、
8月19日 ，沿着展台动线 ，恰恰是机器人理解真实世界 、深度重建 、京东云通过自动标注算法 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。是人类实操视频数据 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，首先要看人怎么干活 。