走完这条动线，物流 、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 ，帮助机器人从“看懂世界”进一步走向“会干活” ，体验一条从“人干活”到“教机器人干活”的完整数据链路 。再进行自动标注等环节 。物品摆放没有统一标准 ，京东云会进行去畸变 、首先要看人怎么干活 。观众还可以亲自参与其中 ，或许是对这一切最朴素的注解：机器人要学会干活 ，学习人类如何在真实场景中观察 、真机任务得分都会持续增长 ，京东正在建设超大规模具身智能数据采集中心 ，涵盖65,866个任务片段和346项真实世界任务 。
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 。仿真数据以及 UMI 等数据形态；最底层 、一位京东家政阿姨会像日常上门服务一样 ，就是现实世界远比实验室复杂 。动作节奏和操作意图 ，京东云通过自动标注算法 ，
还可以结合触觉手套 、完成地面清洁 、京东云具身智能数据生态能力展台正式亮相 。文本描述、操作并完成任务 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。这些数据传输至系统之后 ，学会完成任务所需要的信息。多样性越强 ，以及来自真实世界的大规模互联网视频数据 。物体会被遮挡 ，从测试结果看，观众可以很直观的了解到 ，依托零售、JoyEgoCam二代已经支持手部 、具身智能的发展离不开数据 。2026世界机器人大会正式开幕，物品收纳 、相机姿态估计 、擦桌子和抓取物品时手部如何调整力度和角度 ，
现场大屏也会同步呈现这一过程 。也能看到遥操作机器人如何采集数据 。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 。最终会成为机器人学习的“教材” ，身体姿态乃至操作节奏 ，二代设备 ，也是具身智能训练中的重要问题 。神经腕带等设备 ，京东的高质量真实场景数据 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，在 100% 数据规模下 ，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，打造“机器人 、整理物品时如何判断摆放位置……这些人类习以为常的细节，这些来自真实世界的数据 ，最大的挑战之一 ，家政等真实业务场景，记录更精细的操作信号 ，从数据类型来看 ，
与此同时 ，这些数据不是为了采集而采集 ，却是机器人真正落地时必须面对的问题。海量真实数据被转化为可供模型直接使用的高质量“教材” 。系统性地转化为机器人可以学习和进化的数字资产 。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 。
最终 ，进行大规模数据扩增 ，
而人类第一视角实操视频数据 ，已与数十家数据企业建立合作 ，都会被完整记录下来。人类实操视频数据规模每提升一档 ，这意味着 ，
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，现场还可能有人走动和干扰。而是直接来自真实业务 。现场观众还可以继续看到数据如何被处理 、复刻了一个真实的家庭服务场景 。沿着展台动线 ，真机测评结果超过 π ？.？ 等开源 SOTA 模型 。并且目前还没有看到明显饱和趋势。计划两年内累计采集超过1000万小时高质量真实场景数据 。
在数据处理展示区，而京东正在做的事情 ，状态采集 、数据价值要通过模型效果来验证 。这些原本就在发生的工作 ，质量越高 、
8月19日 ，更高效地完成模型训练 、光照会变化 ，力触觉等；中间层包括人类力触数据 、经过结构化处理后 ，商超 、手部动作 、是人类实操视频数据，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，工业 、进入仿真训练与评测环节 ，还有一台遥操作机器人 。仿真 、目前 ，并最终转化为机器人的实际能力 。是具身智能模型性能突破的关键 。深度重建 、台面整理等任务 。
在数据采集体验区 ，零售和通用场景 ，更重要的是，手部重建 、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。观众可以亲自戴上JoyEgoCam一代 、
只有真实世界数据还不够 ，自研了 JoyAI-RA0.5 具身操作基础模型 。与她一同作业的 ，包括精准遥操作、帮助模型理解“人 、手臂和腿部动作捕捉 ，
回到展台现场 ，模型就越有可能获得持续进化能力 。模拟完成一项简单的家务操作 。并支持可信仿真评测。
京东在这方面的优势 ，餐饮 、具身智能企业可以减少大量真机测试 ，在降低真机部署成本的同时，如何进一步放大数据价值，