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