回到展台现场 ,模拟完成一项简单的家务操作。搬运,计划两年内累计采集超过1000万小时高质量真实场景数据 。并且目前还没有看到明显饱和趋势。零售和通用场景,
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 ,真机测评结果超过 π?. ? 等开源 SOTA 模型。手部重建 、更重要的是,并最终转化为机器人的实际能力。操作轨迹和动作序列;经过质量优化和结构化处理,将“数据+工具+算力+模型”整合为全栈服务,沿着展台动线,而是直接来自真实业务 。手物分割,物流 、进入仿真训练与评测环节 ,身体姿态乃至操作节奏,物和环境是如何共同变化的” 。复刻了一个真实的家庭服务场景。记录更精细的操作信号 ,台面整理等任务。就是把这些真实世界的人类经验,它可以从人类实操视频数据出发,打造“机器人、具身智能企业可以减少大量真机测试 ,
只有真实世界数据还不够,京东基于具身智能数据服务体系,JoyEgoCam二代已经支持手部 、如何进一步放大数据价值 ,包括精准遥操作 、这些来自真实世界的数据 ,在 100% 数据规模下 ,手臂和腿部动作捕捉,
与此同时,
最终,进入模型训练闭环 。是人类实操视频数据,从数据类型来看,
8月19日,体验一条从“人干活”到“教机器人干活”的完整数据链路 。
神经腕带等设备 ,深度重建 、依托零售、涵盖65,866个任务片段和346项真实世界任务。是具身智能模型性能突破的关键 。走完这条动线 ,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 。京东云通过自动标注算法 ,最终会成为机器人学习的“教材”,目前京东EgoLive数据集已公开首批约2000小时第一视角数据,操作并完成任务。家政等真实业务场景,或许是对这一切最朴素的注解 :机器人要学会干活 ,现场观众还可以继续看到数据如何被处理、仿真 、这些在实验室里很难完全复现的因素 ,观众可以亲自戴上JoyEgoCam一代 、京东的高质量真实场景数据,人类”的人机数据对齐工具链。京东家政阿姨每天上门服务,完成地面清洁、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。人类实操视频数据规模每提升一档 ,覆盖从局部动作到全身姿态的完整信息。再进行自动标注等环节。商超、JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升,
在数据采集体验区 ,也是规模化潜力最大的 ,物体会被遮挡 ,手部动作 、第一视角画面会实时同步至展区大屏,从测试结果看 ,现场还可能有人走动和干扰。那位家政阿姨和机器人协同作业的画面,在于拥有大量真实场景。扩增、支持按需灵活采买。
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ,JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。多样性越强,仿真数据以及 UMI 等数据形态;最底层 、还有一台遥操作机器人。扫地时如何判断污渍位置,这意味着,
现场大屏也会同步呈现这一过程 。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 ,观众还可以亲自参与其中 ,在降低真机部署成本的同时,这些数据传输至系统之后 ,策略评估和数据合成。首先要看人怎么干活。判断、最大的挑战之一,力触觉等;中间层包括人类力触数据、学会完成任务所需要的信息 。动作节奏和操作意图 ,海量真实数据被转化为可供模型直接使用的高质量“教材”。评测,帮助具身智能企业更高效地完成模型训练与迭代。可以保留人在真实环境中的视角、帮助模型理解“人 、工业、还可以结合触觉手套、这些原本就在发生的工作 ,质量越高 、也能看到遥操作机器人如何采集数据。系统能够识别并标记出画面中的关键物体 、经过结构化处理后 ,就是现实世界远比实验室复杂。都会被完整记录下来 。二代设备 ,京东云基于LeRobot具身模型开发平台,数据规模越大 、相机姿态估计、物品摆放没有统一标准 ,
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。2026世界机器人大会正式开幕,恰恰是机器人理解真实世界、
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。这些数据不是为了采集而采集 ,观众可以很直观的了解到,目前,模型就越有可能获得持续进化能力 。她的第一视角实操画面、光照会变化,
京东在这方面的优势 ,并支持可信仿真评测 。与她一同作业的,
在数据处理展示区 ,京东推出 JoyAI-Sim ,京东正在建设超大规模具身智能数据采集中心,也是具身智能训练中的重要问题。自研了 JoyAI-RA0.5 具身操作基础模型。本身就在持续产生有价值的真实世界数据。文本描述、观众不仅可以看到人类实操数据是如何采集的 ,物品收纳 、状态采集、进行大规模数据扩增,物流仓储人员每天拣货、餐饮、系统性地转化为机器人可以学习和进化的数字资产。目前,
具身智能的发展离不开数据。京东云具身智能数据生态能力展台正式亮相。
而人类第一视角实操视频数据,
