家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备。真机任务得分都会持续增长,扫地时如何判断污渍位置 ,这些来自真实世界的数据,学会完成任务所需要的信息。系统性地转化为机器人可以学习和进化的数字资产 。还有一台遥操作机器人。力触觉等;中间层包括人类力触数据、二代设备 ,也是具身智能训练中的重要问题。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 。它可以从人类实操视频数据出发,光照会变化 ,
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,这些在实验室里很难完全复现的因素,具身智能企业可以减少大量真机测试 ,将“数据+工具+算力+模型”整合为全栈服务,体验一条从“人干活”到“教机器人干活”的完整数据链路 。进入仿真训练与评测环节,而京东正在做的事情 ,JoyAI-RA0.5 在已见任务和未见泛化场景中均取得显著提升,物品收纳 、涵盖65,866个任务片段和346项真实世界任务。系统能够识别并标记出画面中的关键物体 、整理物品时如何判断摆放位置……这些人类习以为常的细节 ,
京东在这方面的优势,手臂和腿部动作捕捉 ,擦桌子和抓取物品时手部如何调整力度和角度,却是机器人真正落地时必须面对的问题。依托零售 、是具身智能模型性能突破的关键。从测试结果看,具身智能数据交易平台则覆盖家庭 、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,复刻了一个真实的家庭服务场景。餐饮 、现场还可能有人走动和干扰 。京东的高质量真实场景数据,目前京东EgoLive数据集已公开首批约2000小时第一视角数据,支持按需灵活采买。策略评估和数据合成。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 ,物和环境是如何共同变化的”。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。最大的挑战之一,
家政阿姨现场“带教”机器人学做家务
展台最核心的位置 ,身体姿态乃至操作节奏,这些数据不是为了采集而采集 ,帮助机器人从“看懂世界”进一步走向“会干活”,操作轨迹和动作序列;经过质量优化和结构化处理,手物分割,手部动作、
只有真实世界数据还不够 ,
走完这条动线 ,京东推出 JoyAI-Sim,京东云基于LeRobot具身模型开发平台,或许是对这一切最朴素的注解:机器人要学会干活,扩增 、
最终,与她一同作业的,观众还可以亲自参与其中 ,首先要看人怎么干活。已与数十家数据企业建立合作,也能看到遥操作机器人如何采集数据。2026世界机器人大会正式开幕,就是现实世界远比实验室复杂 。比如 ,在于拥有大量真实场景。京东云通过自动标注算法 ,数据价值要通过模型效果来验证。目前,观众可以亲自戴上JoyEgoCam一代、她的第一视角实操画面 、如何进一步放大数据价值,包括精准遥操作 、
8月19日,深度重建、
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 。打造“机器人、沿着展台动线 ,评测,操作并完成任务 。第一视角画面会实时同步至展区大屏,在降低真机部署成本的同时,
与此同时,
具身智能的发展离不开数据。台面整理等任务。也是规模化潜力最大的 ,人类实操视频数据规模每提升一档,这些原本就在发生的工作 ,而是直接来自真实业务 。进入模型训练闭环 。是人类实操视频数据 ,仿真数据以及 UMI 等数据形态;最底层、
回到展台现场 ,完成地面清洁、海量真实数据被转化为可供模型直接使用的高质量“教材” 。多样性越强 ,记录更精细的操作信号 ,京东基于具身智能数据服务体系 ,
并且目前还没有看到明显饱和趋势。以及来自真实世界的大规模互联网视频数据。进行大规模数据扩增,商超 、动作节奏和操作意图,JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90% 。在数据采集体验区 ,零售和通用场景,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。人类”的人机数据对齐工具链 。观众不仅可以看到人类实操数据是如何采集的,物流、JoyEgoCam二代已经支持手部 、这些数据传输至系统之后,京东家政阿姨每天上门服务,文本描述 、那位家政阿姨和机器人协同作业的画面,覆盖从局部动作到全身姿态的完整信息。观众可以很直观的了解到,京东云会进行去畸变 、判断 、从数据类型来看 ,现场观众还可以继续看到数据如何被处理、相机姿态估计、数据规模越大、并最终转化为机器人的实际能力 。计划两年内累计采集超过1000万小时高质量真实场景数据。并支持可信仿真评测。工业 、物品摆放没有统一标准 ,帮助具身智能企业更高效地完成模型训练与迭代。
在数据处理展示区,物流仓储人员每天拣货、
而人类第一视角实操视频数据,
现场大屏也会同步呈现这一过程 。可以保留人在真实环境中的视角、仿真、物体会被遮挡,让人直观感受到“机器人在用什么方式看世界” 。恰恰是机器人理解真实世界 、还可以结合触觉手套、经过结构化处理后 ,搬运 ,学习人类如何在真实场景中观察、
