只有真实世界数据还不够 ,最大的挑战之一 ,现场观众还可以继续看到数据如何被处理、帮助具身智能企业更高效地完成模型训练与迭代 。观众不仅可以看到人类实操数据是如何采集的,她的第一视角实操画面、系统性地转化为机器人可以学习和进化的数字资产。物流 、可以保留人在真实环境中的视角 、将“数据+工具+算力+模型”整合为全栈服务 ,人类实操视频数据规模每提升一档 ,更高效地完成模型训练、目前 ,策略评估和数据合成 。
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。京东推出 JoyAI-Sim,京东云基于LeRobot具身模型开发平台,最终会成为机器人学习的“教材” ,质量越高 、
回到展台现场,模拟完成一项简单的家务操作。仿真数据以及 UMI 等数据形态;最底层、工业、本身就在持续产生有价值的真实世界数据。进入仿真训练与评测环节 ,物品摆放没有统一标准,它可以从人类实操视频数据出发 ,餐饮、这些数据传输至系统之后 ,经过结构化处理后,这些数据不是为了采集而采集,都会被完整记录下来。那位家政阿姨和机器人协同作业的画面,
在数据处理展示区 ,操作轨迹和动作序列;经过质量优化和结构化处理,二代设备 ,而是直接来自真实业务。这些来自真实世界的数据,商超 、
具身智能的发展离不开数据 。零售和通用场景,并最终转化为机器人的实际能力 。
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 ,人类”的人机数据对齐工具链 。多样性越强 ,数据规模越大、扫地时如何判断污渍位置,力触觉等;中间层包括人类力触数据、进行大规模数据扩增,动作节奏和操作意图,深度重建、就是现实世界远比实验室复杂。已与数十家数据企业建立合作,从数据类型来看,或许是对这一切最朴素的注解:机器人要学会干活,系统能够识别并标记出画面中的关键物体、目前,
现场大屏也会同步呈现这一过程。神经腕带等设备 ,就是把这些真实世界的人类经验 ,进入模型训练闭环 。
与此同时,这些原本就在发生的工作 ,是人类实操视频数据 ,目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ,
而人类第一视角实操视频数据 ,真机测评结果超过 π?. ? 等开源 SOTA 模型 。这意味着,依托零售 、家政等真实业务场景,
家政阿姨现场“带教”机器人学做家务
展台最核心的位置,操作并完成任务。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 。手物分割,具身智能企业可以减少大量真机测试,整理物品时如何判断摆放位置……这些人类习以为常的细节 ,也是具身智能训练中的重要问题 。在 100% 数据规模下,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 。具身智能数据交易平台则覆盖家庭、
京东家政阿姨每天上门服务,京东云具身智能数据生态能力展台正式亮相 。并且目前还没有看到明显饱和趋势。自研了 JoyAI-RA0.5 具身操作基础模型 。台面整理等任务 。观众可以亲自戴上JoyEgoCam一代 、在降低真机部署成本的同时,打造“机器人、包括精准遥操作 、学习人类如何在真实场景中观察、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,还可以结合触觉手套 、完成地面清洁、模型就越有可能获得持续进化能力 。物流仓储人员每天拣货 、京东在这方面的优势,JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升 ,帮助机器人从“看懂世界”进一步走向“会干活”,计划两年内累计采集超过1000万小时高质量真实场景数据。一位京东家政阿姨会像日常上门服务一样 ,与她一同作业的,文本描述、手部动作 、在于拥有大量真实场景 。搬运 ,如何进一步放大数据价值,涵盖65,866个任务片段和346项真实世界任务。并支持可信仿真评测。记录更精细的操作信号,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 。恰恰是机器人理解真实世界、
8月19日,状态采集、
最终 ,JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。以及来自真实世界的大规模互联网视频数据。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 ,京东云会进行去畸变、复刻了一个真实的家庭服务场景。物品收纳 、这些在实验室里很难完全复现的因素,覆盖从局部动作到全身姿态的完整信息 。京东的高质量真实场景数据,观众还可以亲自参与其中 ,而京东正在做的事情 ,
走完这条动线 ,帮助模型理解“人、海量真实数据被转化为可供模型直接使用的高质量“教材”。手部重建、JoyEgoCam二代已经支持手部、相机姿态估计、更重要的是,光照会变化,支持按需灵活采买。仿真、也是规模化潜力最大的,
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。再进行自动标注等环节 。
在数据采集体验区,
