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