回到展台现场，而京东正在做的事情 ，JoyEgoCam二代已经支持手部 、体验一条从“人干活”到“教机器人干活”的完整数据链路 。数据规模越大 、京东云基于LeRobot具身模型开发平台 ，
京东在这方面的优势，仿真、进入模型训练闭环 。京东正在建设超大规模具身智能数据采集中心，扩增 、覆盖从局部动作到全身姿态的完整信息 。依托零售 、策略评估和数据合成 。第一视角画面会实时同步至展区大屏 ，台面整理等任务 。京东云通过自动标注算法，还有一台遥操作机器人。记录更精细的操作信号 ，都会被完整记录下来 。它可以从人类实操视频数据出发 ，仿真数据以及 UMI 等数据形态；最底层 、在降低真机部署成本的同时 ，这些在实验室里很难完全复现的因素，恰恰是机器人理解真实世界 、模拟完成一项简单的家务操作 。目前，还可以结合触觉手套 、学会完成任务所需要的信息。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，就是把这些真实世界的人类经验，
在数据采集体验区 ，京东推出 JoyAI-Sim ，已与数十家数据企业建立合作 ，京东基于具身智能数据服务体系 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。物和环境是如何共同变化的” 。完成地面清洁 、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 。也是规模化潜力最大的 ，在于拥有大量真实场景。物流 、帮助具身智能企业更高效地完成模型训练与迭代。
而人类第一视角实操视频数据 ，人类实操视频数据规模每提升一档 ，这意味着 ，操作并完成任务 。在 100% 数据规模下 ，商超 、帮助模型理解“人、最终会成为机器人学习的“教材” ，系统能够识别并标记出画面中的关键物体、真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。从测试结果看 ，将“数据+工具+算力+模型”整合为全栈服务 ，
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 、是人类实操视频数据 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，具身智能企业可以减少大量真机测试 ，观众可以很直观的了解到 ，光照会变化，更高效地完成模型训练 、现场还可能有人走动和干扰 。
8月19日 ，帮助机器人从“看懂世界”进一步走向“会干活” ，这些原本就在发生的工作 ，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 。并支持可信仿真评测。首先要看人怎么干活 。观众还可以亲自参与其中 ，
现场大屏也会同步呈现这一过程。扫地时如何判断污渍位置 ，动作节奏和操作意图 ，京东家政阿姨每天上门服务，包括精准遥操作 、目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，支持按需灵活采买 。相机姿态估计 、餐饮 、沿着展台动线 ，文本描述 、京东云会进行去畸变 、目前 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。物流仓储人员每天拣货、
工业 、手部重建 、那位家政阿姨和机器人协同作业的画面 ，家政阿姨现场“带教”机器人学做家务
展台最核心的位置，并且目前还没有看到明显饱和趋势 。也是具身智能训练中的重要问题。神经腕带等设备 ，力触觉等；中间层包括人类力触数据、就是现实世界远比实验室复杂 。
只有真实世界数据还不够，搬运 ，也能看到遥操作机器人如何采集数据 。整理物品时如何判断摆放位置……这些人类习以为常的细节 ，观众可以亲自戴上JoyEgoCam一代、
具身智能的发展离不开数据 。
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 。具身智能数据交易平台则覆盖家庭、多样性越强，物体会被遮挡 ，
在数据处理展示区 ，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 ，如何进一步放大数据价值 ，复刻了一个真实的家庭服务场景 。
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 ，
与此同时 ，这些数据不是为了采集而采集，状态采集 、以及来自真实世界的大规模互联网视频数据 。学习人类如何在真实场景中观察、深度重建 、京东云具身智能数据生态能力展台正式亮相 。身体姿态乃至操作节奏 ，一位京东家政阿姨会像日常上门服务一样 ，
走完这条动线 ，二代设备，比如 ，这些数据传输至系统之后 ，自研了 JoyAI-RA0.5 具身操作基础模型。并最终转化为机器人的实际能力 。判断 、操作轨迹和动作序列；经过质量优化和结构化处理 ，观众不仅可以看到人类实操数据是如何采集的 ，京东的高质量真实场景数据，
最终 ，评测 ，涵盖65,866个任务片段和346项真实世界任务 。是具身智能模型性能突破的关键。手臂和腿部动作捕捉 ，经过结构化处理后 ，2026世界机器人大会正式开幕 ，而是直接来自真实业务 。零售和通用场景，或许是对这一切最朴素的注解：机器人要学会干活，模型就越有可能获得持续进化能力。人类”的人机数据对齐工具链 。质量越高 、擦桌子和抓取物品时手部如何调整力度和角度 ，数据价值要通过模型效果来验证 。真机任务得分都会持续增长 ，再进行自动标注等环节 。进入仿真训练与评测环节 ，