京东全球首推全链路具身智能数据基础设施,发动60万人采集1000万小时真实场景数据

继宣布将建成全球最大具身数据采集中心后,京东在具身智能领域公布了新的进展。4月16日,京东在具身智能生态发布会上,宣布推出覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施,并展示了自研的超高清采集终端JoyEgoCam、具身大模型JoyAI-RA及具身智能数据交易平台。

依托该基础设施及其在零售、物流、工业、健康等领域的场景优势,京东旨在推动具身智能从实验室研发迈向规模化商业应用。

60万人、1000万小时:启动大规模数据采集行动

随着具身智能加速进入工业制造、物流仓储、家庭服务等核心领域,高质量、真实交互数据的缺乏成为行业瓶颈。

京东云推出的全链路具身智能数据基础设施,旨在打通从数据采集到模型测试的全流程,将原始数据转化为驱动模型训练的高价值“数据燃料”。

京东全球首推全链路具身智能数据基础设施,发动60万人采集1000万小时真实场景数据

基于此,京东计划构建全球规模最大的具身智能数据采集中心,发动最多60万人在两年内采集1000万小时的人类真实场景视频数据,为机器人企业及研发机构提供全流程数据服务。

自研终端JoyEgoCam:实现“即戴即采”

数据采集是具身数据链路的第一步。京东云自研的可穿戴式超高清采集终端JoyEgoCam,从清晰度、精准度、便携性、稳定性四个维度保障源头数据质量。

京东全球首推全链路具身智能数据基础设施,发动60万人采集1000万小时真实场景数据

  • 清晰度:配备4K高清摄像头,支持60帧帧率与130度超广角拍摄,可实现毫秒级动作细节捕捉。
  • 精准度:重投影误差小于0.2像素,结合自研立体校正技术,真实还原操作现场的空间立体感。
  • 便携性:整机重220克,佩戴舒适。
  • 稳定性:内置车规级6轴IMU与多传感器融合单元,在抖动场景下也能稳定追踪。

JoyEgoCam支持在物流、零售、医疗等多种场景下“即戴即采”,旨在从源头解决数据“不真、不准”的问题。

全链路处理平台:模型训练效率提升3.5倍

采集后的数据进入上传和加工阶段。京东云通过全流程可视化管理与SaaS化部署,实现视频一键上云。

数据汇入AI数据湖平台后,经自动清洗、对齐、转换与预标注,转为标准训练集。治理后的数据进入JoyBuilder模型开发平台,实现数据“开箱即训”、模型“一键部署”,据称模型训练效率可提升3.5倍。自研AI算子矩阵涵盖去畸变、语义描述等关键环节,用于精炼训练素材。

目前,京东日处理数据量达数十万条,数据有效率约95%,整体处理成本降低60%。

具身大模型JoyAI-RA:真机实验成功率领先

依托全链路基础设施,京东构建了“数据采集-模型训练-数据优化”的生态闭环。

以自采数据训练的自研具身大模型JoyAI-RA,在真机实验中的成功率据称达到73.5%,超过部分主流模型。

京东全球首推全链路具身智能数据基础设施,发动60万人采集1000万小时真实场景数据

模型可反哺数据标注与采集,形成数据与模型双向赋能、协同进化的飞轮效应。

数据交易平台:促进数据合规流通与协作

同期上线的京东具身智能数据交易平台,汇聚了京东多业务场景下的多模态数据资源,支持数据方、开发者、应用方多方协同,并以全链路安全审计保障合规流通。

平台首批定向开放2000小时高精标注数据集。京东呼吁更多产业伙伴加入,共同构建具身智能数据生态。

京东全球首推全链路具身智能数据基础设施,发动60万人采集1000万小时真实场景数据

即将上线的技术社区也将汇聚行业资源,推动交流与产业协同。

未来,京东表示将持续将其供应链、技术与场景积累转化为产业服务能力,推动具身智能在千行百业落地。


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:http://www.itsolotime.com/archives/30629

(0)
上一篇 2小时前
下一篇 2小时前

相关推荐

  • 移动端高保真实时3D数字人革命:HRM²Avatar如何用单部手机突破SIGGRAPH Asia

    在计算机图形学、三维视觉、虚拟人与XR技术领域,SIGGRAPH Asia作为SIGGRAPH系列两大主会之一,始终代表着全球学术与工业界的最高研究水平与最前沿技术趋势。今年,淘宝技术-Meta技术团队凭借其自主研发的移动端高保真实时3D数字人重建与渲染系统HRM²Avatar,首次登陆这一国际顶级会议,标志着中国在轻量化数字人技术领域实现了重大突破。 当前…

    2025年12月18日
    39600
  • Lumina-DiMOO:离散扩散架构重塑多模态统一模型,开启原生智能新纪元

    上海人工智能实验室近期推出的Lumina-DiMOO,标志着多模态人工智能领域迎来了一次架构层面的根本性变革。这款基于离散扩散建模(Discrete Diffusion Modeling)的扩散语言模型,首次在同一框架内实现了文本→图像、图像→图像、图像→文本的全栈能力闭环,打破了传统多模态任务间的技术壁垒。 **论文信息** 论文标题:Lumina-DiM…

    2025年11月16日
    28000
  • 阿里云百炼引领智能体工业化革命:从手工作坊到AI流水线,企业级应用全面升级

    如果 AI 工具早一点出现,我们的很多工作会不会提前几年完成? 近日,整个科技圈都在感叹 AI 工具带来的效率提升。一些硅谷 AI 大厂工程师现身说法,表示在使用了 AI 工具后,项目完成时长被大幅压缩。 谷歌首席工程师、Gemini API 负责人 Jaana Dogan 分享了她使用智能体的经历。有的人甚至认为,如果在读博时就有 Claude Code、…

    2026年1月9日
    48800
  • 解放双手!Happy Coder:用手机远程监控与操控AI编程助手

    使用 Claude Code 或 Codex 辅助编程能显著提升开发效率,尤其对于非技术背景的用户,可以快速将想法转化为产品。 这如同拥有了一位专家级别的程序员同事,并且这位同事无需休息,能够 24 小时不间断工作。 然而,它存在一个明显的不足:在工作过程中经常需要与我们确认需求。如果我们不在电脑前,它便会暂停工作,直到我们返回并确认后才能继续。 为此,我在…

    2026年1月24日
    1.2K00
  • 美团LongCat-Flash-Thinking-2601实测:5600亿参数MoE推理模型,免费但响应慢6倍?

    美团近期发布了LongCat-Flash-Thinking-2601模型,作为一款基于MoE架构的5600亿参数大型推理模型,官方宣称其在智能体任务上有显著提升。我们对该模型进行了全面评测,测试其在准确率、响应时间、Token消耗等关键指标上的实际表现。 LongCat-Flash-Thinking-2601版本表现:* 测试题数: 约1.5万* 总分(准确…

    2026年1月23日
    62200