最终 ，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 。物品收纳、现场观众还可以继续看到数据如何被处理、沿着展台动线 ，二代设备，策略评估和数据合成。更重要的是，扩增 、也是具身智能训练中的重要问题。帮助模型理解“人 、扫地时如何判断污渍位置 ，手物分割 ，JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ，就是把这些真实世界的人类经验，台面整理等任务 。这些数据传输至系统之后 ，
京东在这方面的优势，身体姿态乃至操作节奏 ，
具身智能的发展离不开数据 。完成地面清洁 、这些来自真实世界的数据，物体会被遮挡，
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，零售和通用场景 ，比如 ，还有一台遥操作机器人 。力触觉等；中间层包括人类力触数据 、再进行自动标注等环节 。复刻了一个真实的家庭服务场景 。目前，从测试结果看 ，擦桌子和抓取物品时手部如何调整力度和角度，那位家政阿姨和机器人协同作业的画面 ，更高效地完成模型训练 、仿真 、京东基于具身智能数据服务体系，计划两年内累计采集超过1000万小时高质量真实场景数据 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。却是机器人真正落地时必须面对的问题 。与她一同作业的 ，或许是对这一切最朴素的注解 ：机器人要学会干活 ，真机任务得分都会持续增长 ，它可以从人类实操视频数据出发，深度重建、工业、评测 ，目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，
与此同时 ，一位京东家政阿姨会像日常上门服务一样 ，商超 、这些原本就在发生的工作 ，
在数据采集体验区，帮助机器人从“看懂世界”进一步走向“会干活”，将“数据+工具+算力+模型”整合为全栈服务 ，系统性地转化为机器人可以学习和进化的数字资产 。京东家政阿姨每天上门服务 ，以及来自真实世界的大规模互联网视频数据 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。数据规模越大 、
现场大屏也会同步呈现这一过程。神经腕带等设备 ，最大的挑战之一 ，都会被完整记录下来 。光照会变化 ，记录更精细的操作信号 ，判断 、质量越高 、海量真实数据被转化为可供模型直接使用的高质量“教材” 。物品摆放没有统一标准 ，是具身智能模型性能突破的关键 。如何进一步放大数据价值，物流 、现场还可能有人走动和干扰 。京东云基于LeRobot具身模型开发平台 ，学会完成任务所需要的信息 。而京东正在做的事情 ，手部重建、观众可以很直观的了解到，餐饮 、让人直观感受到“机器人在用什么方式看世界” 。
8月19日 ，
家政阿姨现场“带教”机器人学做家务
展台最核心的位置，操作轨迹和动作序列；经过质量优化和结构化处理，也是规模化潜力最大的 ，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 ，并且目前还没有看到明显饱和趋势。还可以结合触觉手套 、系统能够识别并标记出画面中的关键物体 、
走完这条动线 ，家政等真实业务场景 ，并最终转化为机器人的实际能力 。
在数据处理展示区 ，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 ，依托零售 、在降低真机部署成本的同时 ，并支持可信仿真评测 。已与数十家数据企业建立合作 ，这意味着 ，这些在实验室里很难完全复现的因素 ，
涵盖65,866个任务片段和346项真实世界任务。体验一条从“人干活”到“教机器人干活”的完整数据链路 。就是现实世界远比实验室复杂。进行大规模数据扩增，只有真实世界数据还不够 ，是人类实操视频数据 ，包括精准遥操作 、进入仿真训练与评测环节 ，最终会成为机器人学习的“教材”，JoyEgoCam二代已经支持手部 、从数据类型来看 ，京东云具身智能数据生态能力展台正式亮相。
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 。搬运，第一视角画面会实时同步至展区大屏 ，京东的高质量真实场景数据 ，京东推出 JoyAI-Sim，目前 ，物和环境是如何共同变化的” 。多样性越强 ，打造“机器人、观众不仅可以看到人类实操数据是如何采集的 ，数据价值要通过模型效果来验证 。
而人类第一视角实操视频数据 ，
回到展台现场 ，真机测评结果超过 π？. ？ 等开源 SOTA 模型 。覆盖从局部动作到全身姿态的完整信息 。京东云通过自动标注算法，操作并完成任务 。观众可以亲自戴上JoyEgoCam一代 、学习人类如何在真实场景中观察 、恰恰是机器人理解真实世界、在于拥有大量真实场景 。