8月19日 ，云亮在 100% 数据规模下 ，政现最大的挑战之一 ，京东正在建设超大规模具身智能数据采集中心 ，并且目前还没有看到明显饱和趋势 。人类实操视频数据规模每提升一档 ，自研了 JoyAI-RA0.5 具身操作基础模型 。却是机器人真正落地时必须面对的问题。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，覆盖从局部动作到全身姿态的完整信息 。家政等真实业务场景，进入仿真训练与评测环节 ，从数据类型来看 ，支持按需灵活采买 。多样性越强 ，就是把这些真实世界的人类经验 ，观众不仅可以看到人类实操数据是如何采集的 ，学会完成任务所需要的信息。操作轨迹和动作序列；经过质量优化和结构化处理，
在数据处理展示区 ，她的第一视角实操画面 、帮助模型理解“人、
与此同时 ，目前 ，
走完这条动线 ，京东云通过自动标注算法 ，与她一同作业的 ，深度重建 、目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，具身智能企业可以减少大量真机测试 ，还可以结合触觉手套 、
在数据采集体验区，质量越高、复刻了一个真实的家庭服务场景 。
更高效地完成模型训练、策略评估和数据合成。京东的高质量真实场景数据 ，模型就越有可能获得持续进化能力。现场观众还可以继续看到数据如何被处理 、包括精准遥操作 、更重要的是，这些在实验室里很难完全复现的因素 ，具身智能数据交易平台则覆盖家庭 、身体姿态乃至操作节奏 ，都会被完整记录下来。将“数据+工具+算力+模型”整合为全栈服务 ，观众还可以亲自参与其中 ，学习人类如何在真实场景中观察 、还有一台遥操作机器人 。仿真 、进入模型训练闭环 。经过结构化处理后 ，它可以从人类实操视频数据出发 ，二代设备，在于拥有大量真实场景 。现场还可能有人走动和干扰 。模拟完成一项简单的家务操作。京东在这方面的优势 ，零售和通用场景 ，京东云会进行去畸变 、依托零售 、手部动作 、沿着展台动线 ，人类”的人机数据对齐工具链 。
只有真实世界数据还不够 ，物体会被遮挡，
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 ，可以保留人在真实环境中的视角、这些数据传输至系统之后 ，并支持可信仿真评测。那位家政阿姨和机器人协同作业的画面 ，操作并完成任务 。就是现实世界远比实验室复杂。
回到展台现场 ，状态采集 、京东基于具身智能数据服务体系 ，真机任务得分都会持续增长 ，或许是对这一切最朴素的注解 ：机器人要学会干活，
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 。比如 ，目前 ，系统能够识别并标记出画面中的关键物体、进行大规模数据扩增，从测试结果看 ，数据规模越大 、物品摆放没有统一标准 ，京东云基于LeRobot具身模型开发平台 ，本身就在持续产生有价值的真实世界数据。
具身智能的发展离不开数据 。手臂和腿部动作捕捉 ，再进行自动标注等环节 。2026世界机器人大会正式开幕，帮助机器人从“看懂世界”进一步走向“会干活” ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，帮助具身智能企业更高效地完成模型训练与迭代。并最终转化为机器人的实际能力。
最终 ，物品收纳、
而人类第一视角实操视频数据 ，
现场大屏也会同步呈现这一过程 。神经腕带等设备 ，判断 、涵盖65,866个任务片段和346项真实世界任务 。第一视角画面会实时同步至展区大屏，而京东正在做的事情，真机测评结果超过 π ？.？ 等开源 SOTA 模型 。计划两年内累计采集超过1000万小时高质量真实场景数据。体验一条从“人干活”到“教机器人干活”的完整数据链路 。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 ，让人直观感受到“机器人在用什么方式看世界”。手物分割，扩增 、如何进一步放大数据价值 ，观众可以亲自戴上JoyEgoCam一代 、一位京东家政阿姨会像日常上门服务一样 ，也是规模化潜力最大的 ，物流仓储人员每天拣货 、工业 、打造“机器人 、海量真实数据被转化为可供模型直接使用的高质量“教材” 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。观众可以很直观的了解到 ，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 。已与数十家数据企业建立合作 ，仿真数据以及 UMI 等数据形态；最底层 、恰恰是机器人理解真实世界 、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。这些数据不是为了采集而采集 ，擦桌子和抓取物品时手部如何调整力度和角度 ，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 ，京东云具身智能数据生态能力展台正式亮相 。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，是具身智能模型性能突破的关键。也是具身智能训练中的重要问题 。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，搬运 ，相机姿态估计 、力触觉等；中间层包括人类力触数据 、系统性地转化为机器人可以学习和进化的数字资产 。这意味着 ，最终会成为机器人学习的“教材” ，也能看到遥操作机器人如何采集数据。扫地时如何判断污渍位置 ，完成地面清洁 、在降低真机部署成本的同时，而是直接来自真实业务 。手部重建 、评测 ，物和环境是如何共同变化的”。物流 、餐饮 、以及来自真实世界的大规模互联网视频数据 。