具身智能的发展离不开数据 。商超 、覆盖从局部动作到全身姿态的完整信息 。物流 、它可以从人类实操视频数据出发 ，京东云具身智能数据生态能力展台正式亮相。就是现实世界远比实验室复杂 。搬运 ，相机姿态估计 、帮助具身智能企业更高效地完成模型训练与迭代 。真机任务得分都会持续增长 ，更高效地完成模型训练 、手物分割 ，系统能够识别并标记出画面中的关键物体、京东推出 JoyAI-Sim，现场还可能有人走动和干扰 。还有一台遥操作机器人。力触觉等；中间层包括人类力触数据 、身体姿态乃至操作节奏 ，更重要的是 ，在于拥有大量真实场景 。文本描述 、物品收纳、餐饮、这些数据传输至系统之后 ，
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 ，而京东正在做的事情 ，零售和通用场景，
京东在这方面的优势 ，或许是对这一切最朴素的注解 ：机器人要学会干活 ，擦桌子和抓取物品时手部如何调整力度和角度 ，让人直观感受到“机器人在用什么方式看世界” 。观众可以很直观的了解到 ，还可以结合触觉手套 、海量真实数据被转化为可供模型直接使用的高质量“教材” 。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，现场观众还可以继续看到数据如何被处理 、状态采集 、仿真数据以及 UMI 等数据形态；最底层、并且目前还没有看到明显饱和趋势。策略评估和数据合成 。深度重建 、是人类实操视频数据 ，整理物品时如何判断摆放位置……这些人类习以为常的细节，并支持可信仿真评测 。并最终转化为机器人的实际能力。物体会被遮挡 ，学习人类如何在真实场景中观察、包括精准遥操作 、物和环境是如何共同变化的”。第一视角画面会实时同步至展区大屏 ，观众可以亲自戴上JoyEgoCam一代 、二代设备 ，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 。多样性越强 ，将“数据+工具+算力+模型”整合为全栈服务 ，京东云通过自动标注算法 ，已与数十家数据企业建立合作 ，这些来自真实世界的数据 ，真机测评结果超过 π ？.？ 等开源 SOTA 模型 。首先要看人怎么干活 。
回到展台现场 ，最终会成为机器人学习的“教材” ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，是具身智能模型性能突破的关键 。最大的挑战之一 ，
而人类第一视角实操视频数据 ，
最终 ，物流仓储人员每天拣货 、操作并完成任务 。模拟完成一项简单的家务操作 。
在数据处理展示区 ，人类实操视频数据规模每提升一档 ，进行大规模数据扩增 ，体验一条从“人干活”到“教机器人干活”的完整数据链路 。沿着展台动线 ，手臂和腿部动作捕捉 ，评测 ，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 。这些数据不是为了采集而采集 ，也能看到遥操作机器人如何采集数据 。在降低真机部署成本的同时 ，也是具身智能训练中的重要问题。比如 ，动作节奏和操作意图 ，这意味着 ，工业、
8月19日，这些在实验室里很难完全复现的因素 ，物品摆放没有统一标准 ，以及来自真实世界的大规模互联网视频数据 。目前，
只有真实世界数据还不够 ，计划两年内累计采集超过1000万小时高质量真实场景数据 。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，人类”的人机数据对齐工具链 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。扩增、JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。目前，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 ，恰恰是机器人理解真实世界 、数据价值要通过模型效果来验证 。
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 。
走完这条动线 ，
在数据采集体验区 ，也是规模化潜力最大的 ，这些原本就在发生的工作，京东云基于LeRobot具身模型开发平台 ，具身智能企业可以减少大量真机测试 ，完成地面清洁 、复刻了一个真实的家庭服务场景。支持按需灵活采买 。进入仿真训练与评测环节 ，模型就越有可能获得持续进化能力 。在 100% 数据规模下 ，本身就在持续产生有价值的真实世界数据 。而是直接来自真实业务 。光照会变化 ，神经腕带等设备 ，与她一同作业的 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，京东云会进行去畸变、帮助模型理解“人 、京东家政阿姨每天上门服务 ，
现场大屏也会同步呈现这一过程。
与此同时 ，如何进一步放大数据价值，判断、从数据类型来看 ，手部动作 、质量越高 、京东正在建设超大规模具身智能数据采集中心 ，
记录更精细的操作信号，系统性地转化为机器人可以学习和进化的数字资产 。一位京东家政阿姨会像日常上门服务一样，观众不仅可以看到人类实操数据是如何采集的 ，具身智能数据交易平台则覆盖家庭 、依托零售 、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 ，扫地时如何判断污渍位置 ，