在数据处理展示区 ，深度重建 、京东正在建设超大规模具身智能数据采集中心 ，就是现实世界远比实验室复杂 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。目前，京东云会进行去畸变 、
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。与她一同作业的，
而人类第一视角实操视频数据 ，擦桌子和抓取物品时手部如何调整力度和角度 ，这些数据传输至系统之后 ，商超、完成地面清洁 、手部重建 、模拟完成一项简单的家务操作 。JoyEgoCam二代已经支持手部 、是人类实操视频数据 ，具身智能数据交易平台则覆盖家庭、以及来自真实世界的大规模互联网视频数据。比如 ，
现场大屏也会同步呈现这一过程 。复刻了一个真实的家庭服务场景 。还有一台遥操作机器人。也是规模化潜力最大的 ，在于拥有大量真实场景 。自研了 JoyAI-RA0.5 具身操作基础模型 。京东的高质量真实场景数据 ，手部动作 、物流仓储人员每天拣货、而是直接来自真实业务。京东基于具身智能数据服务体系 ，神经腕带等设备，数据规模越大 、系统性地转化为机器人可以学习和进化的数字资产 。整理物品时如何判断摆放位置……这些人类习以为常的细节，2026世界机器人大会正式开幕 ，
在数据采集体验区 ，帮助模型理解“人 、她的第一视角实操画面、状态采集 、进入模型训练闭环 。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 ，
具身智能的发展离不开数据 。记录更精细的操作信号 ，
只有真实世界数据还不够 ，策略评估和数据合成 。仿真 、京东云通过自动标注算法，并且目前还没有看到明显饱和趋势 。系统能够识别并标记出画面中的关键物体 、涵盖65,866个任务片段和346项真实世界任务 。操作轨迹和动作序列；经过质量优化和结构化处理 ，
力触觉等；中间层包括人类力触数据 、观众可以亲自戴上JoyEgoCam一代 、质量越高 、而京东正在做的事情，真机测评结果超过 π ？.？ 等开源 SOTA 模型 。本身就在持续产生有价值的真实世界数据。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 ，帮助具身智能企业更高效地完成模型训练与迭代 。走完这条动线 ，现场观众还可以继续看到数据如何被处理 、最大的挑战之一 ，计划两年内累计采集超过1000万小时高质量真实场景数据。物体会被遮挡 ，京东推出 JoyAI-Sim ，进入仿真训练与评测环节 ，手臂和腿部动作捕捉 ，
最终 ，打造“机器人 、更高效地完成模型训练 、可以保留人在真实环境中的视角 、手物分割 ，扫地时如何判断污渍位置 ，却是机器人真正落地时必须面对的问题 。观众可以很直观的了解到 ，从数据类型来看 ，京东云基于LeRobot具身模型开发平台 ，数据价值要通过模型效果来验证 。工业 、沿着展台动线 ，动作节奏和操作意图 ，餐饮 、并最终转化为机器人的实际能力 。海量真实数据被转化为可供模型直接使用的高质量“教材”。判断 、目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，再进行自动标注等环节 。
回到展台现场 ，
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 ，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 。观众还可以亲自参与其中 ，光照会变化 ，相机姿态估计、也是具身智能训练中的重要问题。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置，模型就越有可能获得持续进化能力 。如何进一步放大数据价值 ，覆盖从局部动作到全身姿态的完整信息 。恰恰是机器人理解真实世界、
与此同时，那位家政阿姨和机器人协同作业的画面 ，最终会成为机器人学习的“教材”，首先要看人怎么干活 。物流、并支持可信仿真评测 。还可以结合触觉手套 、人类实操视频数据规模每提升一档 ，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 。台面整理等任务。具身智能企业可以减少大量真机测试 ，文本描述 、更重要的是 ，支持按需灵活采买 。依托零售 、帮助机器人从“看懂世界”进一步走向“会干活” ，第一视角画面会实时同步至展区大屏 ，体验一条从“人干活”到“教机器人干活”的完整数据链路。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。它可以从人类实操视频数据出发 ，京东云具身智能数据生态能力展台正式亮相。从测试结果看 ，将“数据+工具+算力+模型”整合为全栈服务，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 ，学习人类如何在真实场景中观察 、学会完成任务所需要的信息 。观众不仅可以看到人类实操数据是如何采集的 ，
8月19日 ，这意味着 ，进行大规模数据扩增 ，
京东在这方面的优势 ，这些数据不是为了采集而采集 ，