而人类第一视角实操视频数据，
回到展台现场 ，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，
模拟完成一项简单的家务操作 。京东云会进行去畸变 、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，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。神经腕带等设备 ，而是直接来自真实业务 。这些原本就在发生的工作 ，并最终转化为机器人的实际能力。并支持可信仿真评测 。本身就在持续产生有价值的真实世界数据。文本描述、学会完成任务所需要的信息 。已与数十家数据企业建立合作 ，或许是对这一切最朴素的注解：机器人要学会干活 ，自研了 JoyAI-RA0.5 具身操作基础模型 。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，系统性地转化为机器人可以学习和进化的数字资产 。观众还可以亲自参与其中 ，擦桌子和抓取物品时手部如何调整力度和角度，更重要的是 ，商超 、从测试结果看 ，
京东在这方面的优势 ，
在数据处理展示区 ，京东云基于LeRobot具身模型开发平台 ，
只有真实世界数据还不够 ，京东家政阿姨每天上门服务，仿真数据以及 UMI 等数据形态；最底层 、身体姿态乃至操作节奏，那位家政阿姨和机器人协同作业的画面，京东推出 JoyAI-Sim ，操作并完成任务 。记录更精细的操作信号 ，沿着展台动线 ，京东云具身智能数据生态能力展台正式亮相 。评测 ，台面整理等任务 。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 ，状态采集 、支持按需灵活采买 。数据规模越大 、物品收纳 、相机姿态估计 、是具身智能模型性能突破的关键 。手臂和腿部动作捕捉 ，物流 、多样性越强 ，JoyEgoCam二代已经支持手部 、人类实操视频数据规模每提升一档，这些来自真实世界的数据，
具身智能的发展离不开数据 。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 。学习人类如何在真实场景中观察 、这些数据不是为了采集而采集 ，也是具身智能训练中的重要问题 。复刻了一个真实的家庭服务场景 。具身智能企业可以减少大量真机测试 ，
现场大屏也会同步呈现这一过程 。而京东正在做的事情 ，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 。在 100% 数据规模下 ，
最终 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据，并且目前还没有看到明显饱和趋势 。打造“机器人 、将“数据+工具+算力+模型”整合为全栈服务 ，策略评估和数据合成 。涵盖65,866个任务片段和346项真实世界任务 。就是把这些真实世界的人类经验 ，帮助模型理解“人 、
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。现场观众还可以继续看到数据如何被处理 、依托零售 、在于拥有大量真实场景。这些数据传输至系统之后，可以保留人在真实环境中的视角、物流仓储人员每天拣货、从数据类型来看，质量越高 、物和环境是如何共同变化的” 。观众可以亲自戴上JoyEgoCam一代 、与她一同作业的，零售和通用场景 ，
与此同时 ，如何进一步放大数据价值 ，帮助机器人从“看懂世界”进一步走向“会干活”，都会被完整记录下来 。餐饮 、以及来自真实世界的大规模互联网视频数据 。完成地面清洁 、包括精准遥操作、观众可以很直观的了解到 ，比如 ，判断 、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 ，工业 、目前，再进行自动标注等环节 。这些在实验室里很难完全复现的因素 ，扩增、最大的挑战之一，
走完这条动线，物品摆放没有统一标准 ，京东云通过自动标注算法 ，真机任务得分都会持续增长 ，系统能够识别并标记出画面中的关键物体 、恰恰是机器人理解真实世界 、这意味着，数据价值要通过模型效果来验证 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。经过结构化处理后，操作轨迹和动作序列；经过质量优化和结构化处理 ，体验一条从“人干活”到“教机器人干活”的完整数据链路 。家政等真实业务场景 ，
8月19日，目前 ，整理物品时如何判断摆放位置……这些人类习以为常的细节，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 、首先要看人怎么干活 。
在数据采集体验区 ，真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。让人直观感受到“机器人在用什么方式看世界” 。动作节奏和操作意图 ，最终会成为机器人学习的“教材” ，她的第一视角实操画面 、手部动作 、更高效地完成模型训练 、二代设备 ，深度重建、具身智能数据交易平台则覆盖家庭 、京东基于具身智能数据服务体系 ，物体会被遮挡，扫地时如何判断污渍位置 ，第一视角画面会实时同步至展区大屏 ，一位京东家政阿姨会像日常上门服务一样 ，