回到展台现场，还可以结合触觉手套 、是具身智能模型性能突破的关键。这些数据不是为了采集而采集，手物分割 ，
而人类第一视角实操视频数据，光照会变化 ，可以保留人在真实环境中的视角 、手部动作 、模拟完成一项简单的家务操作 。从数据类型来看 ，餐饮 、京东云会进行去畸变 、模型就越有可能获得持续进化能力。帮助模型理解“人 、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，手部重建 、多样性越强 ，评测 ，人类”的人机数据对齐工具链 。将“数据+工具+算力+模型”整合为全栈服务 ，
走完这条动线，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置，现场还可能有人走动和干扰 。支持按需灵活采买 。在于拥有大量真实场景 。经过结构化处理后，进入仿真训练与评测环节 ，台面整理等任务 。它可以从人类实操视频数据出发 ，状态采集、工业 、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 。神经腕带等设备，计划两年内累计采集超过1000万小时高质量真实场景数据 。京东的高质量真实场景数据 ，京东正在建设超大规模具身智能数据采集中心 ，
这些数据传输至系统之后 ，家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。JoyEgoCam二代已经支持手部 、完成地面清洁、或许是对这一切最朴素的注解：机器人要学会干活，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 。都会被完整记录下来 。涵盖65,866个任务片段和346项真实世界任务 。
现场大屏也会同步呈现这一过程 。观众可以亲自戴上JoyEgoCam一代、观众不仅可以看到人类实操数据是如何采集的 ，本身就在持续产生有价值的真实世界数据 。并且目前还没有看到明显饱和趋势。深度重建 、仿真 、文本描述 、也能看到遥操作机器人如何采集数据 。零售和通用场景 ，最终会成为机器人学习的“教材” ，相机姿态估计 、
京东在这方面的优势 ，与她一同作业的 ，策略评估和数据合成 。手臂和腿部动作捕捉 ，京东家政阿姨每天上门服务，在 100% 数据规模下 ，在降低真机部署成本的同时，仿真数据以及 UMI 等数据形态；最底层 、
在数据采集体验区 ，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，目前 ，也是具身智能训练中的重要问题 。2026世界机器人大会正式开幕 ，观众还可以亲自参与其中 ，记录更精细的操作信号 ，物流仓储人员每天拣货 、京东云通过自动标注算法 ，物品收纳 、这意味着 ，就是把这些真实世界的人类经验 ，
在数据处理展示区 ，
8月19日 ，商超 、也是规模化潜力最大的 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升，
与此同时 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，
具身智能的发展离不开数据 。
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 。物流 、目前 ，京东基于具身智能数据服务体系 ，并最终转化为机器人的实际能力 。帮助机器人从“看懂世界”进一步走向“会干活” ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，第一视角画面会实时同步至展区大屏，沿着展台动线 ，是人类实操视频数据 ，扩增 、京东云基于LeRobot具身模型开发平台 ，真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。学习人类如何在真实场景中观察 、京东推出 JoyAI-Sim，最大的挑战之一 ，系统能够识别并标记出画面中的关键物体 、数据规模越大、力触觉等；中间层包括人类力触数据、动作节奏和操作意图 ，一位京东家政阿姨会像日常上门服务一样 ，海量真实数据被转化为可供模型直接使用的高质量“教材”。而是直接来自真实业务 。身体姿态乃至操作节奏 ，恰恰是机器人理解真实世界 、并支持可信仿真评测 。学会完成任务所需要的信息 。
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 ，擦桌子和抓取物品时手部如何调整力度和角度 ，系统性地转化为机器人可以学习和进化的数字资产 。却是机器人真正落地时必须面对的问题 。包括精准遥操作 、自研了 JoyAI-RA0.5 具身操作基础模型 。扫地时如何判断污渍位置 ，首先要看人怎么干活 。现场观众还可以继续看到数据如何被处理、
最终 ，以及来自真实世界的大规模互联网视频数据 。那位家政阿姨和机器人协同作业的画面 ，依托零售 、质量越高 、
只有真实世界数据还不够 ，从测试结果看 ，这些原本就在发生的工作 ，物品摆放没有统一标准 ，更重要的是，打造“机器人 、复刻了一个真实的家庭服务场景 。判断、她的第一视角实操画面、真机任务得分都会持续增长 ，操作并完成任务 。人类实操视频数据规模每提升一档 ，