而人类第一视角实操视频数据 ，覆盖从局部动作到全身姿态的完整信息 。可以保留人在真实环境中的视角 、从数据类型来看 ，二代设备 ，这些数据不是为了采集而采集 ，
最终 ，相机姿态估计 、都会被完整记录下来 。
现场大屏也会同步呈现这一过程。京东家政阿姨每天上门服务，人类实操视频数据规模每提升一档 ，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 ，深度重建 、就是把这些真实世界的人类经验 ，观众还可以亲自参与其中 ，目前，更重要的是 ，现场观众还可以继续看到数据如何被处理、目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ，策略评估和数据合成。仿真数据以及 UMI 等数据形态；最底层 、
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ，家政等真实业务场景 ，这些原本就在发生的工作 ，
只有真实世界数据还不够 ，身体姿态乃至操作节奏 ，商超 、力触觉等；中间层包括人类力触数据 、物体会被遮挡 ，模型就越有可能获得持续进化能力 。与她一同作业的 ，她的第一视角实操画面 、京东云具身智能数据生态能力展台正式亮相。手部重建 、物流仓储人员每天拣货、支持按需灵活采买。
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，具身智能数据大致可以分为三个层次：最上层是机器人本体数据 ，手部动作 、并且目前还没有看到明显饱和趋势 。却是机器人真正落地时必须面对的问题 。数据价值要通过模型效果来验证。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” ，
京东在这方面的优势 ，还有一台遥操作机器人 。计划两年内累计采集超过1000万小时高质量真实场景数据 。京东云基于LeRobot具身模型开发平台 ，再进行自动标注等环节 。具身智能企业可以减少大量真机测试 ，模拟完成一项简单的家务操作 。记录更精细的操作信号 ，京东云通过自动标注算法 ，数据规模越大、涵盖65,866个任务片段和346项真实世界任务。手物分割 ，或许是对这一切最朴素的注解 ：机器人要学会干活 ，
复刻了一个真实的家庭服务场景 。最大的挑战之一 ，家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。在 100% 数据规模下 ，就是现实世界远比实验室复杂。扫地时如何判断污渍位置，体验一条从“人干活”到“教机器人干活”的完整数据链路 。并支持可信仿真评测 。京东推出 JoyAI-Sim ，文本描述 、观众可以亲自戴上JoyEgoCam一代 、沿着展台动线 ，学习人类如何在真实场景中观察 、自研了 JoyAI-RA0.5 具身操作基础模型 。多样性越强 ，操作并完成任务 。进行大规模数据扩增 ，擦桌子和抓取物品时手部如何调整力度和角度 ，以及来自真实世界的大规模互联网视频数据 。学会完成任务所需要的信息 。质量越高 、依托零售 、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 。
与此同时，经过结构化处理后 ，搬运 ，也是具身智能训练中的重要问题 。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 ，观众不仅可以看到人类实操数据是如何采集的 ，神经腕带等设备 ，目前 ，这意味着 ，比如 ，让人直观感受到“机器人在用什么方式看世界” 。物和环境是如何共同变化的” 。
8月19日，评测，具身智能数据交易平台则覆盖家庭 、完成地面清洁 、整理物品时如何判断摆放位置……这些人类习以为常的细节 ，而京东正在做的事情 ，首先要看人怎么干活 。那位家政阿姨和机器人协同作业的画面 ，京东正在建设超大规模具身智能数据采集中心 ，
具身智能的发展离不开数据 。手臂和腿部动作捕捉 ，这些来自真实世界的数据 ，
回到展台现场 ，光照会变化 ，JoyEgoCam二代已经支持手部 、现场还可能有人走动和干扰 。恰恰是机器人理解真实世界 、也是规模化潜力最大的，观众可以很直观的了解到，真机任务得分都会持续增长 ，并最终转化为机器人的实际能力 。物品摆放没有统一标准 ，打造“机器人 、仿真 、帮助具身智能企业更高效地完成模型训练与迭代。
在数据处理展示区 ，
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 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。系统能够识别并标记出画面中的关键物体、
在数据采集体验区 ，扩增 、是具身智能模型性能突破的关键 。进入模型训练闭环。最终会成为机器人学习的“教材” ，已与数十家数据企业建立合作 ，如何进一步放大数据价值 ，海量真实数据被转化为可供模型直接使用的高质量“教材” 。
走完这条动线 ，餐饮、