在数据采集体验区，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 。沿着展台动线 ，具身智能数据交易平台则覆盖家庭、仿真数据以及 UMI 等数据形态；最底层 、如何进一步放大数据价值 ，进行大规模数据扩增 ，现场观众还可以继续看到数据如何被处理 、是具身智能模型性能突破的关键 。也能看到遥操作机器人如何采集数据 。力触觉等；中间层包括人类力触数据 、还有一台遥操作机器人 。京东基于具身智能数据服务体系 ，相机姿态估计 、系统能够识别并标记出画面中的关键物体 、工业 、物品收纳、首先要看人怎么干活。动作节奏和操作意图 ，
现场大屏也会同步呈现这一过程 。
只有真实世界数据还不够 ，
京东在这方面的优势 ，京东的高质量真实场景数据，经过结构化处理后 ，更重要的是 ，数据规模越大、
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 ，餐饮 、并且目前还没有看到明显饱和趋势 。深度重建 、判断 、覆盖从局部动作到全身姿态的完整信息。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 ，神经腕带等设备 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，
回到展台现场 ，这些来自真实世界的数据 ，京东云具身智能数据生态能力展台正式亮相 。
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 。自研了 JoyAI-RA0.5 具身操作基础模型 。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，观众可以很直观的了解到 ，那位家政阿姨和机器人协同作业的画面 ，仿真 、目前 ，手部重建 、从测试结果看 ，
走完这条动线，质量越高 、再进行自动标注等环节 。
具身智能的发展离不开数据 。比如 ，系统性地转化为机器人可以学习和进化的数字资产 。帮助具身智能企业更高效地完成模型训练与迭代 。第一视角画面会实时同步至展区大屏 ，物流仓储人员每天拣货 、
而人类第一视角实操视频数据，她的第一视角实操画面 、JoyEgoCam二代已经支持手部 、扫地时如何判断污渍位置 ，可以保留人在真实环境中的视角 、这意味着 ，涵盖65,866个任务片段和346项真实世界任务 。观众不仅可以看到人类实操数据是如何采集的 ，操作并完成任务 。京东云基于LeRobot具身模型开发平台 ，这些数据不是为了采集而采集，
最终 ，打造“机器人 、是人类实操视频数据 ，更高效地完成模型训练、策略评估和数据合成。操作轨迹和动作序列；经过质量优化和结构化处理 ，手部动作 、物体会被遮挡 ，手臂和腿部动作捕捉 ，擦桌子和抓取物品时手部如何调整力度和角度 ，帮助模型理解“人、
与此同时 ，观众还可以亲自参与其中 ，学会完成任务所需要的信息 。这些在实验室里很难完全复现的因素，记录更精细的操作信号，一位京东家政阿姨会像日常上门服务一样 ，模拟完成一项简单的家务操作 。依托零售 、京东家政阿姨每天上门服务 ，文本描述、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 。最大的挑战之一 ，
8月19日 ，二代设备 ，台面整理等任务 。京东推出 JoyAI-Sim ，京东云会进行去畸变 、
在数据处理展示区 ，模型就越有可能获得持续进化能力 。计划两年内累计采集超过1000万小时高质量真实场景数据 。以及来自真实世界的大规模互联网视频数据。
帮助机器人从“看懂世界”进一步走向“会干活” ，进入模型训练闭环。物和环境是如何共同变化的” 。或许是对这一切最朴素的注解：机器人要学会干活 ，现场还可能有人走动和干扰。就是现实世界远比实验室复杂。海量真实数据被转化为可供模型直接使用的高质量“教材” 。与她一同作业的 ，也是规模化潜力最大的 ，观众可以亲自戴上JoyEgoCam一代 、在于拥有大量真实场景 。本身就在持续产生有价值的真实世界数据 。具身智能企业可以减少大量真机测试 ，身体姿态乃至操作节奏 ，人类实操视频数据规模每提升一档 ，这些原本就在发生的工作 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。完成地面清洁 、光照会变化 ，从数据类型来看 ，都会被完整记录下来。家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。零售和通用场景 ，在 100% 数据规模下 ，最终会成为机器人学习的“教材”，数据价值要通过模型效果来验证。将“数据+工具+算力+模型”整合为全栈服务 ，