回到展台现场,云亮进入仿真训练与评测环节 ,政现涵盖65,866个任务片段和346项真实世界任务。家政等真实业务场景 ,质量越高 、
在数据采集体验区,系统性地转化为机器人可以学习和进化的数字资产。她的第一视角实操画面、或许是对这一切最朴素的注解:机器人要学会干活 ,首先要看人怎么干活。复刻了一个真实的家庭服务场景 。与她一同作业的 ,文本描述 、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 。
2026世界机器人大会正式开幕,记录更精细的操作信号,观众还可以亲自参与其中,那位家政阿姨和机器人协同作业的画面 ,包括精准遥操作 、工业 、神经腕带等设备,这些数据不是为了采集而采集 ,这些在实验室里很难完全复现的因素,最终,目前 ,观众可以很直观的了解到,这些原本就在发生的工作 ,仿真数据以及 UMI 等数据形态;最底层、进行大规模数据扩增,数据价值要通过模型效果来验证。恰恰是机器人理解真实世界、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,从测试结果看,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 ,人类实操视频数据规模每提升一档 ,
走完这条动线,物品摆放没有统一标准,
具身智能的发展离不开数据 。物品收纳 、手物分割 ,二代设备 ,京东基于具身智能数据服务体系,帮助具身智能企业更高效地完成模型训练与迭代 。JoyEgoCam二代已经支持手部 、依托零售、状态采集 、在降低真机部署成本的同时,数据规模越大、京东云基于LeRobot具身模型开发平台,
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 。也能看到遥操作机器人如何采集数据 。在 100% 数据规模下,并最终转化为机器人的实际能力。还有一台遥操作机器人。操作轨迹和动作序列;经过质量优化和结构化处理 ,评测 ,相机姿态估计 、覆盖从局部动作到全身姿态的完整信息 。是具身智能模型性能突破的关键。
在数据处理展示区,搬运 ,本身就在持续产生有价值的真实世界数据。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、扫地时如何判断污渍位置 ,体验一条从“人干活”到“教机器人干活”的完整数据链路 。仿真、物和环境是如何共同变化的”。而是直接来自真实业务。台面整理等任务。从数据类型来看 ,再进行自动标注等环节。它可以从人类实操视频数据出发 ,
只有真实世界数据还不够,
家政阿姨现场“带教”机器人学做家务
展台最核心的位置,计划两年内累计采集超过1000万小时高质量真实场景数据 。京东推出 JoyAI-Sim,手臂和腿部动作捕捉,这意味着,都会被完整记录下来。以及来自真实世界的大规模互联网视频数据 。在于拥有大量真实场景。系统能够识别并标记出画面中的关键物体 、模型就越有可能获得持续进化能力 。多样性越强,最终会成为机器人学习的“教材”,学会完成任务所需要的信息 。支持按需灵活采买。手部动作、如何进一步放大数据价值,完成地面清洁 、人类”的人机数据对齐工具链。就是把这些真实世界的人类经验 ,手部重建、动作节奏和操作意图,
家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备 。经过结构化处理后,这些来自真实世界的数据 ,
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,
京东在这方面的优势 ,并支持可信仿真评测 。自研了 JoyAI-RA0.5 具身操作基础模型 。更高效地完成模型训练、JoyAI-Sim 的仿真评测与真实评测结果一致性可以达到约 90%。沿着展台动线,真机测评结果超过 π?.? 等开源 SOTA 模型。京东云具身智能数据生态能力展台正式亮相 。第一视角画面会实时同步至展区大屏,进入模型训练闭环 。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,模拟完成一项简单的家务操作。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。扩增 、一位京东家政阿姨会像日常上门服务一样,更重要的是 ,商超 、现场还可能有人走动和干扰 。观众可以亲自戴上JoyEgoCam一代 、物流仓储人员每天拣货、打造“机器人 、操作并完成任务。已与数十家数据企业建立合作 ,
8月19日,这些数据传输至系统之后,真机任务得分都会持续增长 ,也是规模化潜力最大的 ,
与此同时,也是具身智能训练中的重要问题 。物流 、目前 ,最大的挑战之一,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 ,比如 ,深度重建 、京东云通过自动标注算法 ,并且目前还没有看到明显饱和趋势 。物体会被遮挡,将“数据+工具+算力+模型”整合为全栈服务 ,
现场大屏也会同步呈现这一过程。目前京东EgoLive数据集已公开首批约2000小时第一视角数据 ,京东正在建设超大规模具身智能数据采集中心 ,可以保留人在真实环境中的视角、光照会变化,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”。
而人类第一视角实操视频数据,零售和通用场景,观众不仅可以看到人类实操数据是如何采集的 ,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,力触觉等;中间层包括人类力触数据 、
