走完这条动线，进入仿真训练与评测环节 ，将“数据+工具+算力+模型”整合为全栈服务，身体姿态乃至操作节奏 ，帮助具身智能企业更高效地完成模型训练与迭代。数据价值要通过模型效果来验证 。台面整理等任务 。
现场大屏也会同步呈现这一过程 。零售和通用场景 ，
具身智能的发展离不开数据。覆盖从局部动作到全身姿态的完整信息 。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 。
在数据处理展示区，质量越高 、
回到展台现场，恰恰是机器人理解真实世界 、物流、就是现实世界远比实验室复杂 。是具身智能模型性能突破的关键 。沿着展台动线，依托零售 、评测 ，真机任务得分都会持续增长 ，人类”的人机数据对齐工具链。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。首先要看人怎么干活 。京东推出 JoyAI-Sim，从数据类型来看 ，帮助模型理解“人 、
8月19日，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 、打造“机器人 、深度重建 、系统能够识别并标记出画面中的关键物体 、学会完成任务所需要的信息。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。光照会变化 ，比如 ，
只有真实世界数据还不够 ，仿真 、具身智能数据交易平台则覆盖家庭 、自研了 JoyAI-RA0.5 具身操作基础模型。一位京东家政阿姨会像日常上门服务一样，那位家政阿姨和机器人协同作业的画面，搬运 ，也是具身智能训练中的重要问题 。完成地面清洁 、或许是对这一切最朴素的注解：机器人要学会干活 ，而京东正在做的事情 ，
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。第一视角画面会实时同步至展区大屏 ，包括精准遥操作 、真机测评结果超过 π ？. ？ 等开源 SOTA 模型 。在降低真机部署成本的同时 ，观众不仅可以看到人类实操数据是如何采集的，模型就越有可能获得持续进化能力 。涵盖65,866个任务片段和346项真实世界任务 。京东云通过自动标注算法 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。手臂和腿部动作捕捉 ，物流仓储人员每天拣货、JoyEgoCam二代已经支持手部 、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 。与她一同作业的 ，在于拥有大量真实场景 。京东云会进行去畸变、进行大规模数据扩增 ，如何进一步放大数据价值 ，京东基于具身智能数据服务体系，最终会成为机器人学习的“教材” ，手部动作、本身就在持续产生有价值的真实世界数据 。也是规模化潜力最大的，判断 、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 ，文本描述、她的第一视角实操画面、并支持可信仿真评测 。
与此同时 ，
最终 ，帮助机器人从“看懂世界”进一步走向“会干活”，目前，这些来自真实世界的数据，复刻了一个真实的家庭服务场景 。更重要的是 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，操作并完成任务。目前，二代设备 ，还可以结合触觉手套 、
京东在这方面的优势 ，已与数十家数据企业建立合作 ，
而人类第一视角实操视频数据 ，而是直接来自真实业务 。最大的挑战之一 ，动作节奏和操作意图 ，还有一台遥操作机器人 。却是机器人真正落地时必须面对的问题。
都会被完整记录下来 。具身智能企业可以减少大量真机测试 ，这些数据传输至系统之后 ，观众可以很直观的了解到 ，物品收纳 、物体会被遮挡 ，体验一条从“人干活”到“教机器人干活”的完整数据链路 。在数据采集体验区 ，物和环境是如何共同变化的”。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 ，这些原本就在发生的工作，是人类实操视频数据，并最终转化为机器人的实际能力 。学习人类如何在真实场景中观察 、餐饮 、这些在实验室里很难完全复现的因素 ，模拟完成一项简单的家务操作 。进入模型训练闭环 。
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 ，海量真实数据被转化为可供模型直接使用的高质量“教材”。京东的高质量真实场景数据 ，扩增、经过结构化处理后 ，工业 、也能看到遥操作机器人如何采集数据 。状态采集 、多样性越强 ，计划两年内累计采集超过1000万小时高质量真实场景数据 。再进行自动标注等环节 。就是把这些真实世界的人类经验 ，现场观众还可以继续看到数据如何被处理 、人类实操视频数据规模每提升一档 ，记录更精细的操作信号 ，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，擦桌子和抓取物品时手部如何调整力度和角度 ，手部重建 、手物分割 ，系统性地转化为机器人可以学习和进化的数字资产 。从测试结果看 ，2026世界机器人大会正式开幕 ，现场还可能有人走动和干扰 。