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