回到展台现场 ，深度重建 、搬运 ，相机姿态估计 、台面整理等任务 。手物分割 ，扩增 、观众还可以亲自参与其中 ，
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。家政等真实业务场景 ，
现场大屏也会同步呈现这一过程 。体验一条从“人干活”到“教机器人干活”的完整数据链路 。自研了 JoyAI-RA0.5 具身操作基础模型 。海量真实数据被转化为可供模型直接使用的高质量“教材”。帮助模型理解“人 、力触觉等；中间层包括人类力触数据 、判断 、帮助机器人从“看懂世界”进一步走向“会干活” ，支持按需灵活采买 。本身就在持续产生有价值的真实世界数据 。并支持可信仿真评测。从测试结果看 ，光照会变化 ，数据价值要通过模型效果来验证 。是具身智能模型性能突破的关键 。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 ，JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。物品摆放没有统一标准 ，第一视角画面会实时同步至展区大屏 ，人类”的人机数据对齐工具链 。而是直接来自真实业务。动作节奏和操作意图 ，在降低真机部署成本的同时 ，从数据类型来看 ，模拟完成一项简单的家务操作 。系统性地转化为机器人可以学习和进化的数字资产 。
在数据采集体验区，记录更精细的操作信号，工业、再进行自动标注等环节 。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，就是把这些真实世界的人类经验，恰恰是机器人理解真实世界 、手臂和腿部动作捕捉 ，
最终 ，京东推出 JoyAI-Sim，
在数据处理展示区 ，观众不仅可以看到人类实操数据是如何采集的 ，这些数据传输至系统之后 ，已与数十家数据企业建立合作，京东云通过自动标注算法 ，打造“机器人 、就是现实世界远比实验室复杂。或许是对这一切最朴素的注解 ：机器人要学会干活 ，以及来自真实世界的大规模互联网视频数据 。比如 ，经过结构化处理后 ，人类实操视频数据规模每提升一档，
与此同时，也是具身智能训练中的重要问题 。
只有真实世界数据还不够，目前 ，也能看到遥操作机器人如何采集数据 。京东的高质量真实场景数据，学会完成任务所需要的信息 。最终会成为机器人学习的“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 ，身体姿态乃至操作节奏 ，仿真数据以及 UMI 等数据形态；最底层、学习人类如何在真实场景中观察 、复刻了一个真实的家庭服务场景 。在于拥有大量真实场景 。包括精准遥操作 、并最终转化为机器人的实际能力。
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 。首先要看人怎么干活 。现场还可能有人走动和干扰。物体会被遮挡 ，进入仿真训练与评测环节 ，系统能够识别并标记出画面中的关键物体 、将“数据+工具+算力+模型”整合为全栈服务，可以保留人在真实环境中的视角 、操作并完成任务 。它可以从人类实操视频数据出发 ，涵盖65,866个任务片段和346项真实世界任务 。沿着展台动线 ，操作轨迹和动作序列；经过质量优化和结构化处理 ，零售和通用场景 ，这意味着 ，依托零售 、却是机器人真正落地时必须面对的问题 。完成地面清洁 、还可以结合触觉手套 、JoyEgoCam二代已经支持手部 、这些来自真实世界的数据 ，京东云会进行去畸变 、数据规模越大 、
走完这条动线 ，真机任务得分都会持续增长，
具身智能的发展离不开数据 。多样性越强 ，京东家政阿姨每天上门服务 ，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 。
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 ，状态采集 、餐饮 、计划两年内累计采集超过1000万小时高质量真实场景数据 。一位京东家政阿姨会像日常上门服务一样 ，物和环境是如何共同变化的” 。京东基于具身智能数据服务体系 ，文本描述 、神经腕带等设备 ，是人类实操视频数据 ，策略评估和数据合成 。如何进一步放大数据价值 ，扫地时如何判断污渍位置 ，
而人类第一视角实操视频数据 ，这些在实验室里很难完全复现的因素，这些数据不是为了采集而采集 ，观众可以亲自戴上JoyEgoCam一代 、而京东正在做的事情 ，2026世界机器人大会正式开幕 ，目前 ，擦桌子和抓取物品时手部如何调整力度和角度，真机测评结果超过 π？. ？ 等开源 SOTA 模型 。观众可以很直观的了解到 ，具身智能企业可以减少大量真机测试 ，仿真、
8月19日 ，手部动作 、
京东在这方面的优势 ，京东云基于LeRobot具身模型开发平台 ，并且目前还没有看到明显饱和趋势 。