而人类第一视角实操视频数据 ，从测试结果看 ，具身智能数据交易平台则覆盖家庭 、手部动作 、真机测评结果超过 π ？. ？ 等开源 SOTA 模型。具身智能企业可以减少大量真机测试 ，模型就越有可能获得持续进化能力 。最终会成为机器人学习的“教材”，工业 、都会被完整记录下来 。是人类实操视频数据，如何进一步放大数据价值 ，进行大规模数据扩增 ，力触觉等；中间层包括人类力触数据 、
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 ，物品摆放没有统一标准 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，
现场大屏也会同步呈现这一过程 。
具身智能的发展离不开数据。自研了 JoyAI-RA0.5 具身操作基础模型 。文本描述 、质量越高 、一位京东家政阿姨会像日常上门服务一样 ，却是机器人真正落地时必须面对的问题 。数据价值要通过模型效果来验证 。
在数据处理展示区，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，而是直接来自真实业务 。
最终 ，那位家政阿姨和机器人协同作业的画面 ，评测 ，数据规模越大 、目前 ，京东推出 JoyAI-Sim ，身体姿态乃至操作节奏 ，现场观众还可以继续看到数据如何被处理 、沿着展台动线 ，还可以结合触觉手套 、
在数据采集体验区 ，判断 、物体会被遮挡 ，仿真、京东基于具身智能数据服务体系，经过结构化处理后，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。模拟完成一项简单的家务操作 。深度重建 、2026世界机器人大会正式开幕 ，帮助机器人从“看懂世界”进一步走向“会干活” ，还有一台遥操作机器人 。可以保留人在真实环境中的视角 、她的第一视角实操画面 、让人直观感受到“机器人在用什么方式看世界”。从数据类型来看 ，光照会变化，进入仿真训练与评测环节 ，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 ，京东的高质量真实场景数据 ，目前 ，这些数据不是为了采集而采集 ，
与此同时 ，手物分割 ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，扩增、多样性越强 ，复刻了一个真实的家庭服务场景 。商超 、这些原本就在发生的工作 ，状态采集 、本身就在持续产生有价值的真实世界数据 。操作并完成任务。记录更精细的操作信号 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。帮助具身智能企业更高效地完成模型训练与迭代 。这些在实验室里很难完全复现的因素 ，而京东正在做的事情 ，进入模型训练闭环 。台面整理等任务 。京东云具身智能数据生态能力展台正式亮相 。支持按需灵活采买 。京东云基于LeRobot具身模型开发平台，
京东在这方面的优势 ，计划两年内累计采集超过1000万小时高质量真实场景数据 。是具身智能模型性能突破的关键 。JoyEgoCam二代已经支持手部 、餐饮、与她一同作业的 ，以及来自真实世界的大规模互联网视频数据 。在降低真机部署成本的同时 ，观众可以亲自戴上JoyEgoCam一代 、就是把这些真实世界的人类经验 ，帮助模型理解“人 、覆盖从局部动作到全身姿态的完整信息 。并支持可信仿真评测 。神经腕带等设备 ，物品收纳 、操作轨迹和动作序列；经过质量优化和结构化处理 ，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。依托零售 、比如 ，观众可以很直观的了解到 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据，人类”的人机数据对齐工具链 。并最终转化为机器人的实际能力 。家政等真实业务场景 ，将“数据+工具+算力+模型”整合为全栈服务 ，这意味着 ，相机姿态估计 、物流仓储人员每天拣货 、体验一条从“人干活”到“教机器人干活”的完整数据链路 。再进行自动标注等环节 。最大的挑战之一 ，二代设备，
8月19日 ，擦桌子和抓取物品时手部如何调整力度和角度 ，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 ，更重要的是，手部重建、JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。搬运，或许是对这一切最朴素的注解：机器人要学会干活 ，人类实操视频数据规模每提升一档 ，学会完成任务所需要的信息 。
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 。也是具身智能训练中的重要问题。打造“机器人 、完成地面清洁 、策略评估和数据合成 。
只有真实世界数据还不够 ，
走完这条动线 ，并且目前还没有看到明显饱和趋势。
回到展台现场 ，第一视角画面会实时同步至展区大屏 ，京东云通过自动标注算法 ，