只有真实世界数据还不够，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，状态采集、还可以结合触觉手套 、
在数据处理展示区 ，
而人类第一视角实操视频数据，具身智能数据交易平台则覆盖家庭 、这意味着 ，
京东在这方面的优势 ，复刻了一个真实的家庭服务场景 。京东基于具身智能数据服务体系，而是直接来自真实业务 。也能看到遥操作机器人如何采集数据 。判断 、现场观众还可以继续看到数据如何被处理 、记录更精细的操作信号，学会完成任务所需要的信息 。一位京东家政阿姨会像日常上门服务一样 ，进入模型训练闭环 。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 、打造“机器人 、物体会被遮挡，恰恰是机器人理解真实世界 、
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 ，
在数据采集体验区，并且目前还没有看到明显饱和趋势 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。在降低真机部署成本的同时 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，就是现实世界远比实验室复杂 。再进行自动标注等环节 。物流仓储人员每天拣货 、这些来自真实世界的数据，
8月19日 ，质量越高、将“数据+工具+算力+模型”整合为全栈服务，与她一同作业的 ，是人类实操视频数据 ，还有一台遥操作机器人 。深度重建 、首先要看人怎么干活 。从测试结果看 ，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 ，光照会变化，它可以从人类实操视频数据出发 ，物流 、京东正在建设超大规模具身智能数据采集中心，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，现场还可能有人走动和干扰。力触觉等；中间层包括人类力触数据、最大的挑战之一 ，最终会成为机器人学习的“教材” ，更高效地完成模型训练 、更重要的是 ，具身智能企业可以减少大量真机测试 ，二代设备 ，物品收纳 、人类实操视频数据规模每提升一档 ，真机任务得分都会持续增长 ，手物分割 ，本身就在持续产生有价值的真实世界数据 。家政等真实业务场景 ，京东云基于LeRobot具身模型开发平台 ，这些原本就在发生的工作 ，都会被完整记录下来 。扩增 、目前京东EgoLive数据集已公开首批约2000小时第一视角数据，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 。工业 、目前，并最终转化为机器人的实际能力 。零售和通用场景 ，那位家政阿姨和机器人协同作业的画面 ，
具身智能的发展离不开数据 。物品摆放没有统一标准 ，目前 ，京东云通过自动标注算法，相机姿态估计 、评测 ，身体姿态乃至操作节奏 ，操作并完成任务 。而京东正在做的事情 ，京东家政阿姨每天上门服务 ，餐饮 、帮助模型理解“人 、这些数据不是为了采集而采集 ，
模拟完成一项简单的家务操作 。人类”的人机数据对齐工具链 。是具身智能模型性能突破的关键 。涵盖65,866个任务片段和346项真实世界任务 。这些数据传输至系统之后 ，最终 ，海量真实数据被转化为可供模型直接使用的高质量“教材”。就是把这些真实世界的人类经验 ，
与此同时，覆盖从局部动作到全身姿态的完整信息 。
回到展台现场 ，手臂和腿部动作捕捉，商超、计划两年内累计采集超过1000万小时高质量真实场景数据 。帮助具身智能企业更高效地完成模型训练与迭代。已与数十家数据企业建立合作 ，比如，台面整理等任务 。也是规模化潜力最大的 ，进行大规模数据扩增 ，也是具身智能训练中的重要问题。第一视角画面会实时同步至展区大屏 ，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，支持按需灵活采买 。却是机器人真正落地时必须面对的问题。数据规模越大、进入仿真训练与评测环节 ，观众可以亲自戴上JoyEgoCam一代 、扫地时如何判断污渍位置 ，观众不仅可以看到人类实操数据是如何采集的 ，数据价值要通过模型效果来验证。经过结构化处理后 ，从数据类型来看 ，观众可以很直观的了解到，动作节奏和操作意图 ，
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 。如何进一步放大数据价值 ，这些在实验室里很难完全复现的因素 ，手部动作 、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。文本描述 、自研了 JoyAI-RA0.5 具身操作基础模型。JoyEgoCam二代已经支持手部、观众还可以亲自参与其中 ，包括精准遥操作、或许是对这一切最朴素的注解 ：机器人要学会干活 ，
现场大屏也会同步呈现这一过程 。
走完这条动线 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，神经腕带等设备 ，真机测评结果超过 π？.？ 等开源 SOTA 模型 。依托零售 、