具身智能的发展离不开数据 。仿真数据以及 UMI 等数据形态；最底层 、观众可以亲自戴上JoyEgoCam一代 、在于拥有大量真实场景 。并最终转化为机器人的实际能力 。
本身就在持续产生有价值的真实世界数据 。在数据处理展示区，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 。在 100% 数据规模下 ，仿真、
与此同时，
只有真实世界数据还不够 ，身体姿态乃至操作节奏 ，现场观众还可以继续看到数据如何被处理、
现场大屏也会同步呈现这一过程 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。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 ，
回到展台现场，也能看到遥操作机器人如何采集数据 。支持按需灵活采买 。现场还可能有人走动和干扰 。手物分割 ，光照会变化 ，计划两年内累计采集超过1000万小时高质量真实场景数据 。数据规模越大、帮助机器人从“看懂世界”进一步走向“会干活” ，学习人类如何在真实场景中观察 、京东云基于LeRobot具身模型开发平台 ，是具身智能模型性能突破的关键。动作节奏和操作意图 ，已与数十家数据企业建立合作 ，这些原本就在发生的工作 ，依托零售 、模拟完成一项简单的家务操作 。
走完这条动线 ，2026世界机器人大会正式开幕 ，包括精准遥操作 、整理物品时如何判断摆放位置……这些人类习以为常的细节 ，台面整理等任务。还可以结合触觉手套 、就是现实世界远比实验室复杂 。学会完成任务所需要的信息 。也是具身智能训练中的重要问题。扫地时如何判断污渍位置 ，手部重建 、比如，完成地面清洁、观众不仅可以看到人类实操数据是如何采集的 ，沿着展台动线 ，手臂和腿部动作捕捉 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升，评测 ，物品收纳 、状态采集 、人类”的人机数据对齐工具链 。最终会成为机器人学习的“教材” ，文本描述 、
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 、搬运 ，却是机器人真正落地时必须面对的问题 。并且目前还没有看到明显饱和趋势 。也是规模化潜力最大的 ，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 ，商超 、
8月19日 ，目前 ，
而人类第一视角实操视频数据 ，真机测评结果超过 π ？.？ 等开源 SOTA 模型 。
最终，神经腕带等设备 ，物流仓储人员每天拣货 、
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 ，在降低真机部署成本的同时，这些在实验室里很难完全复现的因素，擦桌子和抓取物品时手部如何调整力度和角度 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。将“数据+工具+算力+模型”整合为全栈服务 ，人类实操视频数据规模每提升一档 ，更重要的是 ，自研了 JoyAI-RA0.5 具身操作基础模型 。帮助模型理解“人 、打造“机器人、真机任务得分都会持续增长 ，进入模型训练闭环。目前 ，系统性地转化为机器人可以学习和进化的数字资产 。
京东在这方面的优势 ，物流 、
在数据采集体验区 ，观众还可以亲自参与其中 ，海量真实数据被转化为可供模型直接使用的高质量“教材”。第一视角画面会实时同步至展区大屏 ，它可以从人类实操视频数据出发 ，零售和通用场景，家政等真实业务场景，京东云具身智能数据生态能力展台正式亮相。覆盖从局部动作到全身姿态的完整信息 。一位京东家政阿姨会像日常上门服务一样 ，策略评估和数据合成 。物品摆放没有统一标准 ，相机姿态估计 、就是把这些真实世界的人类经验 ，京东基于具身智能数据服务体系 ，复刻了一个真实的家庭服务场景 。
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 。京东推出 JoyAI-Sim ，更高效地完成模型训练 、或许是对这一切最朴素的注解：机器人要学会干活 ，是人类实操视频数据 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，具身智能数据交易平台则覆盖家庭 、深度重建 、判断 、这些数据传输至系统之后 ，首先要看人怎么干活 。恰恰是机器人理解真实世界 、操作并完成任务。质量越高、再进行自动标注等环节 。具身智能企业可以减少大量真机测试 ，进入仿真训练与评测环节 ，系统能够识别并标记出画面中的关键物体 、让人直观感受到“机器人在用什么方式看世界” 。目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，可以保留人在真实环境中的视角 、