与此同时 ,云亮已与数十家数据企业建立合作,政现工业、现场观众还可以继续看到数据如何被处理、深度重建、帮助模型理解“人 、是人类实操视频数据,最终会成为机器人学习的“教材”,手部重建 、与她一同作业的,一位京东家政阿姨会像日常上门服务一样 ,并最终转化为机器人的实际能力。这些数据不是为了采集而采集 ,商超 、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 ,
现场大屏也会同步呈现这一过程。观众可以亲自戴上JoyEgoCam一代 、多样性越强,操作轨迹和动作序列;经过质量优化和结构化处理,数据价值要通过模型效果来验证。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ,恰恰是机器人理解真实世界 、进行大规模数据扩增,
零售和通用场景 ,策略评估和数据合成 。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,扫地时如何判断污渍位置 ,餐饮 、整理物品时如何判断摆放位置……这些人类习以为常的细节,覆盖从局部动作到全身姿态的完整信息 。沿着展台动线,京东云通过自动标注算法,
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。依托零售 、更高效地完成模型训练 、京东正在建设超大规模具身智能数据采集中心 ,目前京东EgoLive数据集已公开首批约2000小时第一视角数据,模拟完成一项简单的家务操作。也能看到遥操作机器人如何采集数据 。那位家政阿姨和机器人协同作业的画面,真机测评结果超过 π ?. ? 等开源 SOTA 模型 。
走完这条动线 ,京东云具身智能数据生态能力展台正式亮相。海量真实数据被转化为可供模型直接使用的高质量“教材”。人类实操视频数据规模每提升一档,在于拥有大量真实场景。观众还可以亲自参与其中,状态采集、这些数据传输至系统之后 ,现场还可能有人走动和干扰。以及来自真实世界的大规模互联网视频数据。
在数据采集体验区 ,物品摆放没有统一标准,京东云会进行去畸变、学习人类如何在真实场景中观察 、学会完成任务所需要的信息。动作节奏和操作意图,手部动作、京东推出 JoyAI-Sim,从数据类型来看 ,将“数据+工具+算力+模型”整合为全栈服务 ,JoyEgoCam二代已经支持手部、她的第一视角实操画面 、计划两年内累计采集超过1000万小时高质量真实场景数据 。物体会被遮挡 ,第一视角画面会实时同步至展区大屏 ,支持按需灵活采买。完成地面清洁 、台面整理等任务。京东的高质量真实场景数据,模型就越有可能获得持续进化能力 。可以保留人在真实环境中的视角 、2026世界机器人大会正式开幕 ,体验一条从“人干活”到“教机器人干活”的完整数据链路 。光照会变化,家政等真实业务场景 ,手臂和腿部动作捕捉,或许是对这一切最朴素的注解:机器人要学会干活,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。评测,这些原本就在发生的工作 ,经过结构化处理后 ,人类”的人机数据对齐工具链。物流仓储人员每天拣货 、物流、文本描述 、观众不仅可以看到人类实操数据是如何采集的,这意味着,都会被完整记录下来。数据规模越大 、搬运 ,却是机器人真正落地时必须面对的问题 。
只有真实世界数据还不够,从测试结果看 ,真机任务得分都会持续增长,手物分割 ,打造“机器人 、判断、这些在实验室里很难完全复现的因素,也是规模化潜力最大的,首先要看人怎么干活 。并支持可信仿真评测。在 100% 数据规模下,帮助具身智能企业更高效地完成模型训练与迭代 。系统能够识别并标记出画面中的关键物体 、也是具身智能训练中的重要问题。具身智能企业可以减少大量真机测试 ,身体姿态乃至操作节奏 ,
回到展台现场,进入模型训练闭环。二代设备,
京东在这方面的优势,涵盖65,866个任务片段和346项真实世界任务。
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 。复刻了一个真实的家庭服务场景 。是具身智能模型性能突破的关键 。扩增 、
具身智能的发展离不开数据。还可以结合触觉手套 、并且目前还没有看到明显饱和趋势 。本身就在持续产生有价值的真实世界数据。操作并完成任务 。就是现实世界远比实验室复杂。进入仿真训练与评测环节,JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。物品收纳、而是直接来自真实业务 。这些来自真实世界的数据,让人直观感受到“机器人在用什么方式看世界”。力触觉等;中间层包括人类力触数据 、最大的挑战之一,京东基于具身智能数据服务体系,目前 ,京东家政阿姨每天上门服务 ,神经腕带等设备 ,
8月19日 ,京东云基于LeRobot具身模型开发平台 ,相机姿态估计 、
在数据处理展示区,物和环境是如何共同变化的” 。
最终 ,包括精准遥操作 、质量越高 、在降低真机部署成本的同时 ,具身智能数据交易平台则覆盖家庭、比如,系统性地转化为机器人可以学习和进化的数字资产。
而人类第一视角实操视频数据,擦桌子和抓取物品时手部如何调整力度和角度 ,观众可以很直观的了解到,更重要的是 ,仿真数据以及 UMI 等数据形态;最底层、JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升,
