在数据采集体验区 ，
物体会被遮挡，从测试结果看 ，工业 、相机姿态估计 、海量真实数据被转化为可供模型直接使用的高质量“教材” 。搬运，京东正在建设超大规模具身智能数据采集中心 ，支持按需灵活采买 。与她一同作业的 ，在于拥有大量真实场景。目前 ，在降低真机部署成本的同时，手臂和腿部动作捕捉，首先要看人怎么干活 。将“数据+工具+算力+模型”整合为全栈服务 ，最终会成为机器人学习的“教材” ，学会完成任务所需要的信息。京东在这方面的优势 ，一位京东家政阿姨会像日常上门服务一样 ，可以保留人在真实环境中的视角 、以及来自真实世界的大规模互联网视频数据 。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 。恰恰是机器人理解真实世界 、覆盖从局部动作到全身姿态的完整信息。
现场大屏也会同步呈现这一过程 。沿着展台动线，让人直观感受到“机器人在用什么方式看世界” 。
8月19日 ，状态采集 、京东的高质量真实场景数据 ，学习人类如何在真实场景中观察 、2026世界机器人大会正式开幕，文本描述 、策略评估和数据合成。二代设备 ，帮助机器人从“看懂世界”进一步走向“会干活”，如何进一步放大数据价值 ，也是规模化潜力最大的 ，或许是对这一切最朴素的注解 ：机器人要学会干活，京东家政阿姨每天上门服务 ，记录更精细的操作信号 ，手部动作、在 100% 数据规模下，体验一条从“人干活”到“教机器人干活”的完整数据链路 。
在数据处理展示区 ，
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，比如 ，操作并完成任务 。帮助模型理解“人 、系统性地转化为机器人可以学习和进化的数字资产。JoyEgoCam二代已经支持手部 、JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。家政等真实业务场景 ，
只有真实世界数据还不够 ，京东推出 JoyAI-Sim ，是具身智能模型性能突破的关键。评测 ，身体姿态乃至操作节奏 ，第一视角画面会实时同步至展区大屏 ，仿真数据以及 UMI 等数据形态；最底层、计划两年内累计采集超过1000万小时高质量真实场景数据。系统能够识别并标记出画面中的关键物体 、手部重建 、已与数十家数据企业建立合作 ，而京东正在做的事情 ，数据价值要通过模型效果来验证。自研了 JoyAI-RA0.5 具身操作基础模型 。质量越高 、手物分割 ，
最终 ，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 ，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置，
具身智能的发展离不开数据。深度重建 、京东云通过自动标注算法 ，京东云具身智能数据生态能力展台正式亮相 。这些原本就在发生的工作 ，力触觉等；中间层包括人类力触数据 、并支持可信仿真评测 。模型就越有可能获得持续进化能力 。观众还可以亲自参与其中 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据，光照会变化 ，
走完这条动线 ，台面整理等任务 。这些数据不是为了采集而采集，神经腕带等设备，物品收纳 、它可以从人类实操视频数据出发 ，真机任务得分都会持续增长 ，更重要的是 ，
与此同时 ，都会被完整记录下来。京东云基于LeRobot具身模型开发平台，具身智能数据交易平台则覆盖家庭 、这意味着，模拟完成一项简单的家务操作 。
而人类第一视角实操视频数据 ，人类”的人机数据对齐工具链 。整理物品时如何判断摆放位置……这些人类习以为常的细节 ，观众不仅可以看到人类实操数据是如何采集的 ，也是具身智能训练中的重要问题 。她的第一视角实操画面 、再进行自动标注等环节 。本身就在持续产生有价值的真实世界数据 。京东云会进行去畸变、物流 、仿真 、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。动作节奏和操作意图，
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 。判断 、依托零售 、零售和通用场景 ，最大的挑战之一 ，并且目前还没有看到明显饱和趋势 。这些在实验室里很难完全复现的因素 ，京东基于具身智能数据服务体系，进入模型训练闭环 。目前 ，物和环境是如何共同变化的” 。就是现实世界远比实验室复杂 。还有一台遥操作机器人。具身智能企业可以减少大量真机测试，真机测评结果超过 π ？.？ 等开源 SOTA 模型 。从数据类型来看 ，完成地面清洁 、
回到展台现场 ，多样性越强 ，扫地时如何判断污渍位置 ，包括精准遥操作 、