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