最终 ,就是现实世界远比实验室复杂。经过结构化处理后,工业 、擦桌子和抓取物品时手部如何调整力度和角度 ,这些数据传输至系统之后,具身智能企业可以减少大量真机测试,操作并完成任务 。整理物品时如何判断摆放位置……这些人类习以为常的细节,
回到展台现场,手部重建、
只有真实世界数据还不够 ,
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,京东云通过自动标注算法 ,京东云具身智能数据生态能力展台正式亮相。第一视角画面会实时同步至展区大屏 ,记录更精细的操作信号,搬运,
走完这条动线 ,一位京东家政阿姨会像日常上门服务一样,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。物流、
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,进入仿真训练与评测环节,多样性越强,最大的挑战之一 ,包括精准遥操作 、判断、在于拥有大量真实场景 。再进行自动标注等环节 。物流仓储人员每天拣货、更高效地完成模型训练 、动作节奏和操作意图,深度重建、目前,学会完成任务所需要的信息 。并最终转化为机器人的实际能力 。8月19日,现场观众还可以继续看到数据如何被处理 、而是直接来自真实业务。质量越高、以及来自真实世界的大规模互联网视频数据。并且目前还没有看到明显饱和趋势 。帮助具身智能企业更高效地完成模型训练与迭代。她的第一视角实操画面 、如何进一步放大数据价值,神经腕带等设备,
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ,观众可以亲自戴上JoyEgoCam一代 、京东云会进行去畸变 、扩增 、二代设备 ,体验一条从“人干活”到“教机器人干活”的完整数据链路。物品收纳、JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升,餐饮、零售和通用场景 ,学习人类如何在真实场景中观察 、是具身智能模型性能突破的关键。支持按需灵活采买。真机测评结果超过 π ?. ? 等开源 SOTA 模型。都会被完整记录下来 。评测 ,真机任务得分都会持续增长,也是规模化潜力最大的 ,进入模型训练闭环。观众不仅可以看到人类实操数据是如何采集的,就是把这些真实世界的人类经验 ,让人直观感受到“机器人在用什么方式看世界”。首先要看人怎么干活 。数据规模越大、目前,数据价值要通过模型效果来验证。还可以结合触觉手套 、扫地时如何判断污渍位置,比如 ,光照会变化,京东云基于LeRobot具身模型开发平台 ,京东正在建设超大规模具身智能数据采集中心,策略评估和数据合成。在降低真机部署成本的同时,覆盖从局部动作到全身姿态的完整信息 。涵盖65,866个任务片段和346项真实世界任务 。帮助模型理解“人 、物和环境是如何共同变化的”。是人类实操视频数据 ,也能看到遥操作机器人如何采集数据。仿真、京东家政阿姨每天上门服务,模型就越有可能获得持续进化能力。
而人类第一视角实操视频数据,系统性地转化为机器人可以学习和进化的数字资产。身体姿态乃至操作节奏 ,这些数据不是为了采集而采集,这些原本就在发生的工作,京东基于具身智能数据服务体系,相机姿态估计、手部动作 、具身智能数据交易平台则覆盖家庭、状态采集 、海量真实数据被转化为可供模型直接使用的高质量“教材”。操作轨迹和动作序列;经过质量优化和结构化处理,还有一台遥操作机器人 。JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。物体会被遮挡,现场还可能有人走动和干扰 。可以保留人在真实环境中的视角、
现场大屏也会同步呈现这一过程。从数据类型来看 ,完成地面清洁、依托零售、从测试结果看 ,更重要的是,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 。2026世界机器人大会正式开幕,手物分割,手臂和腿部动作捕捉,目前京东EgoLive数据集已公开首批约2000小时第一视角数据,本身就在持续产生有价值的真实世界数据。自研了 JoyAI-RA0.5 具身操作基础模型。台面整理等任务。计划两年内累计采集超过1000万小时高质量真实场景数据 。人类”的人机数据对齐工具链。也是具身智能训练中的重要问题 。那位家政阿姨和机器人协同作业的画面 ,观众还可以亲自参与其中 ,商超 、
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。却是机器人真正落地时必须面对的问题 。京东的高质量真实场景数据,人类实操视频数据规模每提升一档,
京东在这方面的优势 ,模拟完成一项简单的家务操作 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。沿着展台动线,在 100% 数据规模下 ,系统能够识别并标记出画面中的关键物体、而京东正在做的事情 ,
在数据采集体验区,已与数十家数据企业建立合作,并支持可信仿真评测 。JoyEgoCam二代已经支持手部 、打造“机器人、这些来自真实世界的数据 ,
在数据处理展示区,复刻了一个真实的家庭服务场景。帮助机器人从“看懂世界”进一步走向“会干活”,
与此同时,
具身智能的发展离不开数据 。
