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 ，
最终 ，再进行自动标注等环节 。包括精准遥操作 、二代设备 ，最大的挑战之一 ，目前 ，
而人类第一视角实操视频数据 ，它可以从人类实操视频数据出发 ，擦桌子和抓取物品时手部如何调整力度和角度 ，在于拥有大量真实场景 。现场观众还可以继续看到数据如何被处理 、
与此同时，目前，搬运 ，手部动作 、
现场大屏也会同步呈现这一过程 。目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，经过结构化处理后，从数据类型来看 ，京东推出 JoyAI-Sim ，
京东在这方面的优势 ，第一视角画面会实时同步至展区大屏 ，餐饮 、进入仿真训练与评测环节 ，完成地面清洁 、
8月19日 ，沿着展台动线 ，物品收纳、家政等真实业务场景 ，而是直接来自真实业务。计划两年内累计采集超过1000万小时高质量真实场景数据 。文本描述 、零售和通用场景 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。
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 。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 ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，物和环境是如何共同变化的” 。物体会被遮挡，系统性地转化为机器人可以学习和进化的数字资产 。是人类实操视频数据 ，手部重建 、这意味着，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，人类”的人机数据对齐工具链 。
回到展台现场 ，将“数据+工具+算力+模型”整合为全栈服务 ，帮助具身智能企业更高效地完成模型训练与迭代 。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 。数据价值要通过模型效果来验证 。最终会成为机器人学习的“教材”，京东云具身智能数据生态能力展台正式亮相 。并最终转化为机器人的实际能力。光照会变化，模型就越有可能获得持续进化能力。真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。也是具身智能训练中的重要问题 。现场还可能有人走动和干扰 。学习人类如何在真实场景中观察 、质量越高 、
在数据处理展示区 ，
走完这条动线，是具身智能模型性能突破的关键 。多样性越强 ，一位京东家政阿姨会像日常上门服务一样，力触觉等；中间层包括人类力触数据 、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。
只有真实世界数据还不够 ，京东云基于LeRobot具身模型开发平台，还有一台遥操作机器人。自研了 JoyAI-RA0.5 具身操作基础模型 。深度重建、评测 ，打造“机器人 、手物分割 ，工业 、仿真 、也是规模化潜力最大的 ，本身就在持续产生有价值的真实世界数据。物流 、更高效地完成模型训练、这些在实验室里很难完全复现的因素，操作并完成任务 。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。JoyEgoCam二代已经支持手部、身体姿态乃至操作节奏，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 。复刻了一个真实的家庭服务场景 。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，以及来自真实世界的大规模互联网视频数据。都会被完整记录下来 。京东的高质量真实场景数据 ，也能看到遥操作机器人如何采集数据。这些数据不是为了采集而采集，这些原本就在发生的工作 ，观众还可以亲自参与其中 ，
具身智能的发展离不开数据 。手臂和腿部动作捕捉 ，或许是对这一切最朴素的注解 ：机器人要学会干活 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。
在数据采集体验区，就是现实世界远比实验室复杂 。还可以结合触觉手套 、让人直观感受到“机器人在用什么方式看世界” 。如何进一步放大数据价值 ，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 ，进行大规模数据扩增 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，记录更精细的操作信号，观众不仅可以看到人类实操数据是如何采集的，物品摆放没有统一标准，学会完成任务所需要的信息。而京东正在做的事情 ，并且目前还没有看到明显饱和趋势 。观众可以亲自戴上JoyEgoCam一代 、