家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，这些来自真实世界的数据 ，也是规模化潜力最大的 ，
8月19日 ，却是机器人真正落地时必须面对的问题 。帮助模型理解“人 、支持按需灵活采买 。扩增、JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。深度重建 、
回到展台现场 ，包括精准遥操作 、计划两年内累计采集超过1000万小时高质量真实场景数据 。相机姿态估计 、京东的高质量真实场景数据 ，物体会被遮挡 ，就是现实世界远比实验室复杂 。并且目前还没有看到明显饱和趋势 。质量越高 、仿真 、让人直观感受到“机器人在用什么方式看世界”。将“数据+工具+算力+模型”整合为全栈服务 ，光照会变化 ，
在数据采集体验区 ，沿着展台动线，记录更精细的操作信号 ，具身智能数据交易平台则覆盖家庭、在降低真机部署成本的同时 ，观众可以很直观的了解到，
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 、状态采集、它可以从人类实操视频数据出发 ，手臂和腿部动作捕捉 ，已与数十家数据企业建立合作 ，在 100% 数据规模下 ，工业、京东云通过自动标注算法 ，如何进一步放大数据价值 ，多样性越强 ，在于拥有大量真实场景 。现场观众还可以继续看到数据如何被处理 、自研了 JoyAI-RA0.5 具身操作基础模型 。恰恰是机器人理解真实世界 、复刻了一个真实的家庭服务场景 。还有一台遥操作机器人 。
只有真实世界数据还不够 ，
现场大屏也会同步呈现这一过程。第一视角画面会实时同步至展区大屏，物品摆放没有统一标准 ，物品收纳 、
具身智能的发展离不开数据 。从数据类型来看 ，一位京东家政阿姨会像日常上门服务一样 ，物和环境是如何共同变化的” 。操作轨迹和动作序列；经过质量优化和结构化处理 ，餐饮、这些原本就在发生的工作，操作并完成任务 。或许是对这一切最朴素的注解：机器人要学会干活，观众不仅可以看到人类实操数据是如何采集的 ，本身就在持续产生有价值的真实世界数据。涵盖65,866个任务片段和346项真实世界任务 。这些数据不是为了采集而采集，就是把这些真实世界的人类经验 ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，身体姿态乃至操作节奏 ，学习人类如何在真实场景中观察 、这些数据传输至系统之后 ，仿真数据以及 UMI 等数据形态；最底层 、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 ，擦桌子和抓取物品时手部如何调整力度和角度 ，
与此同时，
走完这条动线 ，
京东云基于LeRobot具身模型开发平台，在数据处理展示区 ，是具身智能模型性能突破的关键 。策略评估和数据合成 。
而人类第一视角实操视频数据 ，依托零售 、二代设备 ，数据规模越大 、系统能够识别并标记出画面中的关键物体 、
京东在这方面的优势 ，进行大规模数据扩增 ，再进行自动标注等环节 。手物分割 ，打造“机器人、与她一同作业的 ，目前 ，JoyEgoCam二代已经支持手部、是人类实操视频数据 ，这些在实验室里很难完全复现的因素 ，京东家政阿姨每天上门服务 ，评测 ，2026世界机器人大会正式开幕 ，系统性地转化为机器人可以学习和进化的数字资产 。覆盖从局部动作到全身姿态的完整信息 。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 ，物流仓储人员每天拣货 、判断 、零售和通用场景，完成地面清洁 、更高效地完成模型训练 、
最终 ，那位家政阿姨和机器人协同作业的画面 ，进入仿真训练与评测环节，商超 、
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 。帮助具身智能企业更高效地完成模型训练与迭代 。扫地时如何判断污渍位置，人类实操视频数据规模每提升一档 ，京东云会进行去畸变 、比如 ，都会被完整记录下来 。京东基于具身智能数据服务体系 ，家政等真实业务场景 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。目前 ，台面整理等任务 。人类”的人机数据对齐工具链 。
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 ，物流 、这意味着 ，现场还可能有人走动和干扰。动作节奏和操作意图，具身智能企业可以减少大量真机测试 ，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 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。神经腕带等设备，也是具身智能训练中的重要问题 。观众可以亲自戴上JoyEgoCam一代、数据价值要通过模型效果来验证 。