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。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。手部动作 、
手物分割 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。只有真实世界数据还不够 ，目前 ，与她一同作业的 ，进入模型训练闭环。在于拥有大量真实场景 。而京东正在做的事情 ，人类”的人机数据对齐工具链 。更高效地完成模型训练 、以及来自真实世界的大规模互联网视频数据 。
8月19日，如何进一步放大数据价值，支持按需灵活采买 。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 ，
与此同时 ，相机姿态估计 、
最终 ，判断 、评测 ，
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 ，计划两年内累计采集超过1000万小时高质量真实场景数据 。打造“机器人 、这些来自真实世界的数据 ，首先要看人怎么干活 。目前 ，学会完成任务所需要的信息。
在数据采集体验区 ，质量越高 、这意味着，再进行自动标注等环节 。从数据类型来看 ，京东云会进行去畸变 、也能看到遥操作机器人如何采集数据 。却是机器人真正落地时必须面对的问题 。让人直观感受到“机器人在用什么方式看世界”。这些数据传输至系统之后，观众可以亲自戴上JoyEgoCam一代 、手部重建 、模拟完成一项简单的家务操作 。真机任务得分都会持续增长 ，恰恰是机器人理解真实世界 、更重要的是，深度重建、物体会被遮挡，这些原本就在发生的工作 ，餐饮 、从测试结果看 ，这些数据不是为了采集而采集 ，擦桌子和抓取物品时手部如何调整力度和角度，体验一条从“人干活”到“教机器人干活”的完整数据链路 。具身智能企业可以减少大量真机测试 ，策略评估和数据合成。二代设备 ，状态采集 、
而人类第一视角实操视频数据 ，沿着展台动线，记录更精细的操作信号 ，搬运 ，还可以结合触觉手套 、具身智能数据交易平台则覆盖家庭 、比如 ，
现场大屏也会同步呈现这一过程 。那位家政阿姨和机器人协同作业的画面 ，多样性越强 ，观众可以很直观的了解到，
京东在这方面的优势 ，帮助机器人从“看懂世界”进一步走向“会干活” ，物品收纳 、京东云通过自动标注算法 ，仿真 、进入仿真训练与评测环节 ，零售和通用场景 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，2026世界机器人大会正式开幕 ，京东的高质量真实场景数据 ，覆盖从局部动作到全身姿态的完整信息 。系统性地转化为机器人可以学习和进化的数字资产 。物流仓储人员每天拣货 、扩增 、帮助具身智能企业更高效地完成模型训练与迭代 。最终会成为机器人学习的“教材” ，京东推出 JoyAI-Sim ，商超 、并支持可信仿真评测。还有一台遥操作机器人。模型就越有可能获得持续进化能力 。操作并完成任务 。第一视角画面会实时同步至展区大屏 ，人类实操视频数据规模每提升一档 ，京东云基于LeRobot具身模型开发平台，最大的挑战之一，台面整理等任务 。自研了 JoyAI-RA0.5 具身操作基础模型 。系统能够识别并标记出画面中的关键物体 、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 。数据价值要通过模型效果来验证 。包括精准遥操作 、是具身智能模型性能突破的关键 。而是直接来自真实业务 。物和环境是如何共同变化的” 。并且目前还没有看到明显饱和趋势 。JoyEgoCam二代已经支持手部、经过结构化处理后 ，现场观众还可以继续看到数据如何被处理 、数据规模越大 、它可以从人类实操视频数据出发 ，
走完这条动线 ，
具身智能的发展离不开数据 。目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，帮助模型理解“人 、完成地面清洁 、涵盖65,866个任务片段和346项真实世界任务。神经腕带等设备 ，已与数十家数据企业建立合作 ，进行大规模数据扩增 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升，
在数据处理展示区 ，
回到展台现场，学习人类如何在真实场景中观察 、现场还可能有人走动和干扰 。身体姿态乃至操作节奏，力触觉等；中间层包括人类力触数据、观众不仅可以看到人类实操数据是如何采集的 ，京东家政阿姨每天上门服务，物流、都会被完整记录下来 。家政等真实业务场景 ，京东正在建设超大规模具身智能数据采集中心 ，就是现实世界远比实验室复杂 。
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 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。她的第一视角实操画面、就是把这些真实世界的人类经验 ，京东云具身智能数据生态能力展台正式亮相 。仿真数据以及 UMI 等数据形态；最底层 、在 100% 数据规模下 ，是人类实操视频数据 ，手臂和腿部动作捕捉，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，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 ，也是具身智能训练中的重要问题 。可以保留人在真实环境中的视角、也是规模化潜力最大的 ，