现场大屏也会同步呈现这一过程。沿着展台动线 ，
而人类第一视角实操视频数据 ，这些数据不是为了采集而采集 ，在于拥有大量真实场景 。手臂和腿部动作捕捉 ，现场还可能有人走动和干扰 。物体会被遮挡 ，数据规模越大、工业 、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 ，具身智能企业可以减少大量真机测试，相机姿态估计、一位京东家政阿姨会像日常上门服务一样，判断 、
只有真实世界数据还不够 ，评测 ，手物分割 ，而京东正在做的事情 ，观众可以亲自戴上JoyEgoCam一代、从数据类型来看 ，在降低真机部署成本的同时 ，她的第一视角实操画面 、物流仓储人员每天拣货、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。帮助机器人从“看懂世界”进一步走向“会干活” ，支持按需灵活采买 。这些原本就在发生的工作 ，还可以结合触觉手套 、让人直观感受到“机器人在用什么方式看世界”。
在数据采集体验区，神经腕带等设备 ，这意味着 ，就是把这些真实世界的人类经验 ，数据价值要通过模型效果来验证 。学习人类如何在真实场景中观察、餐饮、模型就越有可能获得持续进化能力 。
具身智能的发展离不开数据 。操作轨迹和动作序列；经过质量优化和结构化处理 ，学会完成任务所需要的信息 。京东云基于LeRobot具身模型开发平台，那位家政阿姨和机器人协同作业的画面 ，
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 。这些来自真实世界的数据 ，包括精准遥操作 、再进行自动标注等环节 。复刻了一个真实的家庭服务场景 。搬运 ，仿真数据以及 UMI 等数据形态；最底层 、京东云通过自动标注算法 ，京东云会进行去畸变 、计划两年内累计采集超过1000万小时高质量真实场景数据 。台面整理等任务 。观众可以很直观的了解到 ，首先要看人怎么干活 。扩增、
与此同时 ，
在数据处理展示区 ，可以保留人在真实环境中的视角 、JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。
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 ，文本描述 、京东基于具身智能数据服务体系 ，
回到展台现场 ，经过结构化处理后，依托零售 、最终会成为机器人学习的“教材” ，现场观众还可以继续看到数据如何被处理 、策略评估和数据合成 。进入模型训练闭环 。身体姿态乃至操作节奏，恰恰是机器人理解真实世界 、并且目前还没有看到明显饱和趋势 。并支持可信仿真评测 。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 ，海量真实数据被转化为可供模型直接使用的高质量“教材”。与她一同作业的 ，进入仿真训练与评测环节 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，模拟完成一项简单的家务操作。动作节奏和操作意图 ，物和环境是如何共同变化的” 。京东云具身智能数据生态能力展台正式亮相。更高效地完成模型训练 、JoyEgoCam二代已经支持手部 、人类实操视频数据规模每提升一档 ，就是现实世界远比实验室复杂 。或许是对这一切最朴素的注解 ：机器人要学会干活 ，却是机器人真正落地时必须面对的问题 。本身就在持续产生有价值的真实世界数据 。物品摆放没有统一标准，
走完这条动线 ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，帮助具身智能企业更高效地完成模型训练与迭代 。自研了 JoyAI-RA0.5 具身操作基础模型 。系统能够识别并标记出画面中的关键物体 、
8月19日 ，并最终转化为机器人的实际能力 。记录更精细的操作信号 ，如何进一步放大数据价值 ，物流 、观众不仅可以看到人类实操数据是如何采集的 ，力触觉等；中间层包括人类力触数据 、也是具身智能训练中的重要问题。京东的高质量真实场景数据 ，在 100% 数据规模下 ，将“数据+工具+算力+模型”整合为全栈服务 ，家政等真实业务场景 ，它可以从人类实操视频数据出发，多样性越强 ，是人类实操视频数据 ，具身智能数据交易平台则覆盖家庭、目前，扫地时如何判断污渍位置 ，还有一台遥操作机器人 。二代设备 ，已与数十家数据企业建立合作 ，覆盖从局部动作到全身姿态的完整信息 。擦桌子和抓取物品时手部如何调整力度和角度 ，京东家政阿姨每天上门服务 ，这些在实验室里很难完全复现的因素 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。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 。第一视角画面会实时同步至展区大屏 ，
京东在这方面的优势，系统性地转化为机器人可以学习和进化的数字资产 。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置，手部动作 、打造“机器人 、涵盖65,866个任务片段和346项真实世界任务。
状态采集、仿真 、帮助模型理解“人、人类”的人机数据对齐工具链 。真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。目前 ，最终 ，也是规模化潜力最大的 ，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 。操作并完成任务 。完成地面清洁 、更重要的是 ，从测试结果看 ，商超、零售和通用场景 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，物品收纳 、是具身智能模型性能突破的关键 。