具身智能的发展离不开数据 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。
现场大屏也会同步呈现这一过程 。都会被完整记录下来。并最终转化为机器人的实际能力 。京东云具身智能数据生态能力展台正式亮相。操作轨迹和动作序列；经过质量优化和结构化处理 ，学会完成任务所需要的信息 。文本描述 、就是现实世界远比实验室复杂 。
在数据采集体验区，以及来自真实世界的大规模互联网视频数据 。数据规模越大 、是具身智能模型性能突破的关键 。记录更精细的操作信号，仿真 、判断、手物分割，质量越高 、这些原本就在发生的工作 ，还有一台遥操作机器人 。仿真数据以及 UMI 等数据形态；最底层 、沿着展台动线 ，
只有真实世界数据还不够 ，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 。物品收纳 、工业 、京东云会进行去畸变 、人类”的人机数据对齐工具链 。再进行自动标注等环节 。进入仿真训练与评测环节 ，手部重建 、帮助模型理解“人 、
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。物体会被遮挡 ，观众还可以亲自参与其中 ，观众不仅可以看到人类实操数据是如何采集的 ，目前 ，动作节奏和操作意图 ，第一视角画面会实时同步至展区大屏 ，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 。系统性地转化为机器人可以学习和进化的数字资产。JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，首先要看人怎么干活 。支持按需灵活采买 。让人直观感受到“机器人在用什么方式看世界”。比如 ，更高效地完成模型训练、手臂和腿部动作捕捉 ，模型就越有可能获得持续进化能力。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，进行大规模数据扩增 ，身体姿态乃至操作节奏 ，搬运，
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 。它可以从人类实操视频数据出发 ，扩增 、现场观众还可以继续看到数据如何被处理 、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 ，这些数据传输至系统之后 ，零售和通用场景 ，光照会变化 ，神经腕带等设备 ，更重要的是 ，整理物品时如何判断摆放位置……这些人类习以为常的细节 ，真机任务得分都会持续增长 ，
京东在这方面的优势 ，系统能够识别并标记出画面中的关键物体、可以保留人在真实环境中的视角 、将“数据+工具+算力+模型”整合为全栈服务 ，物和环境是如何共同变化的” 。这些数据不是为了采集而采集 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，在 100% 数据规模下 ，京东的高质量真实场景数据，如何进一步放大数据价值 ，扫地时如何判断污渍位置 ，
最终 ，现场还可能有人走动和干扰 。帮助具身智能企业更高效地完成模型训练与迭代 。商超 、包括精准遥操作 、
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，是人类实操视频数据 ，
而人类第一视角实操视频数据 ，覆盖从局部动作到全身姿态的完整信息 。也是规模化潜力最大的，京东云通过自动标注算法 ，物流仓储人员每天拣货 、手部动作 、擦桌子和抓取物品时手部如何调整力度和角度 ，一位京东家政阿姨会像日常上门服务一样，
8月19日，
回到展台现场 ，2026世界机器人大会正式开幕 ，这意味着 ，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% 。本身就在持续产生有价值的真实世界数据 。餐饮 、策略评估和数据合成。京东基于具身智能数据服务体系 ，从测试结果看，京东云基于LeRobot具身模型开发平台 ，并支持可信仿真评测 。
与此同时，评测，具身智能企业可以减少大量真机测试 ，而是直接来自真实业务。家政等真实业务场景，人类实操视频数据规模每提升一档 ，这些来自真实世界的数据 ，相机姿态估计、
走完这条动线，帮助机器人从“看懂世界”进一步走向“会干活” ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。在于拥有大量真实场景 。或许是对这一切最朴素的注解 ：机器人要学会干活 ，
在数据处理展示区 ，数据价值要通过模型效果来验证 。完成地面清洁 、涵盖65,866个任务片段和346项真实世界任务 。力触觉等；中间层包括人类力触数据、却是机器人真正落地时必须面对的问题 。自研了 JoyAI-RA0.5 具身操作基础模型。京东正在建设超大规模具身智能数据采集中心，就是把这些真实世界的人类经验 ，计划两年内累计采集超过1000万小时高质量真实场景数据。多样性越强 ，
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 ，还可以结合触觉手套 、观众可以亲自戴上JoyEgoCam一代 、