让机械人真正"自主行动" ，而不是照着写好的剧本演戏 ，至今依然是全球机械人尝试室最头疼的事件之一 。不外今这个月初 ，英伟达机械人领武士Jim Fan（范麟熙） ，在演讲中提到 ，此刻让机械人自主行动的终局之战 ，已经来了 。
他说 ，机械人在经历一个"Great Parallel"——也就是复刻大说话模型的进化路线 。GPT从海量文本中学会说话 ，机械人也能够从海量视频中学会作为 。关键就在于一种叫做"Ego Data"的器材——人类第一视角数据 。
从前几年 ，教机械人干活的主流步骤是遥操作：一幼我远程操控机械人做作为 ，机械人照着学 。听起来很直觉 ，但问题在于 ，即便一台机械人24幼时一向地采 ，一年也就产出几千幼时的数据 。这还是梦想情况下 ，事实上 ，一天能采集5个幼时数据 ，已属不易了 。
而英伟达的EgoScale项目证了然另一条路：用超过2万幼时的Ego数据（人类第一视角）做预训练 ，不必要任何机械人参加 ，就能让机械人学会组装模型车、分类扑克牌、折叠衬衫 。更关键的是 ，钻研团队发现了一条清澈的Scaling Law——人类视频数据越多 ，机械人的操作能力就越强 。
只不外和GPT一样 ，这条技术蹊径必要的数据也极度重大 。2万幼时是做钻研用的量级 。而真正训练一个通用具身大模型 ，行业测算至少必要1000万幼时的真实场景数据 。目前全球高质量实操数据加起来不外几十万幼时 ，缺口超过95% 。
正因如此 ，目前全球科技巨头都在疯抢这种数据 。Meta在颁布了3670幼时的Ego4D数据集 ，今年4月Build AI更是一口气放出了100万幼时的Egocentric-1M ，Georgia Tech、斯坦福、MIT和Meta结合推出的EgoVerse ，甚至已经起头用iPhone做尺度化采集 。一场萦绕人类第一视角数据的军备较量 ，已经全面打响 。
2026年4月16日 ，京东在具身智能生态颁布会上颁发 ，全球首推覆盖"采、存、标、训、评、仿、测"全链路的具身智能数据基础设施 ，并放出了一个惊人的指标：不仅将建玉成球最大的具身智能数据采集中心 ，而后两年内采集1000万幼时人类真实场景数据 ，表加100万幼机遇械人本体数据 。
这是一个头戴式设备 ，双目4K/60fps ，沉投影误差幼于0.2个像素 ，整机只有220克 ，或许就是一部手机的沉量 。并且还内置了IMU和推理单元 ，在各类环境下都能做到毫米级精准采集 。
基地里面搭建了各类各样的场景 ，走一圈下来像游了一个微缩版的真实世界 。商超的货架区 ，采集员在反复码放货物；药店区域还原了真实的药房柜台 ，采集员在做药品分拣和上架的作为 。
家政区域更是详细 ，擦桌子、叠衣服、整顿收纳、地面清洁 ，每一个作为都有人反复在做 。四处都能看到戴着JoyEgoCam工作人员的忙乱身影 。
不只是Ego数据 �；乩镆灿凶诺囊２僮魇莶杉� ，工作人员通过远程操控机械人实现特定工作 ，两种数据路线并行推动 。
擦桌子、叠衣服、打扫卫生 ，设备自动纪录上肢轨迹、人与环境的交互关系 。功夫齐全自由 ，一天2到6个幼时 ，一周五天 ，多劳多得 。说白了：你在家把家务干了 ，顺便就把钱赚了 。
以鄂州老年医院为例 ，在职护工数量不够 ，并且根基上都是50岁左右的中年人 。对于年轻人来讲 ，护工这份工作认可度低 ，又苦又累 ，没人愿意来 。医院已经向20多个持证年轻人发出实习约请 ，最终只有1幼我愿意来 。
未来 ，机械人能在搀扶、搬运这些场景上部吩焯开 ，把最劳累的体力活分管掉 ，对养老行业就是巨大的援手 。这对日益加快的老龄化社会是刚需 。
采集只是第一步 ，在基地 ，采集过后的数据顺次经历存储、标注、训练、评测、仿真、测试等一系列处置 ，能力进入到可训练的高质量数据集 。
京东云的AI数据湖和JoyBuilder平台承担了这部门工作——作为行业首家支持千卡级LeRobot开源训练框架的AI开发平台 ，训练效能比开源社区版本提升3.5倍 ，千卡训练功夫从15幼时缩短到22分钟 ，提速40倍 。
模型反过来又领导数据采集战术的优化 ，形成了"数据喂模型、模型优化数据"的飞轮——采的数据越多 ，模型越强；模型越强 ，对数据质量的把控越精准 ，采集效能也随着提高 。
首批2000幼时高精标注数据集已定向盛开 ，几十家企业和高校在对接 。数据流向三个方向：京东自用训练模型、通过买卖平台赋能产业界、定向盛开给高校和科研机构推动前沿钻研 。合规方面 ，入家采集需签授权和谈 ，数据传输全程加密 ，权限管控在云平台上执行 ，买卖环节与监管机构做了沟通和登记 。
所以京东做的不是一个单点的采集项目 ，而是一整套从数据采集到模型训练再到数据买卖的基础设施 。它给整个具身智能行业提供最底层的"燃料" 。
回过甚来看整个具身智能行业 ，有一个很形象的说法：机械人的"幼脑"已经逐步发育齐全了——走、跑、跳、翻跟头 ，但想进入人类生涯 ，靠的是"大脑" 。
此刻的机械人善于基础活动 ，却无法实现叠衣服、擦桌子、分拣药品这些对人类来说再单一不外的日常操作 ，整个产业还停顿在"炫技"阶段 。要让机械人从"会动"进化到"会干活" ，关键不在硬件 ，而在数据 。
大脑的发育靠什么？靠数据 。这就是京东做这件事的底层逻辑 。他们的指标很明确：两年内堆集1000万幼时人类真实场景视频数据 ，表加100万幼机遇械人本体数据 。
为此 ，京东打算发起多达60万人参加采集——内部10万员工 ，加上表部50万各行业人员 ，仅在鄂州一地就要带头超过10万市民 。京东自身3600多个仓库、20万家合作药房、1万多家线下门店、5万多名保洁师 ，每年服务近千万个家庭 ，覆盖3000多个业务场景——这些真实场景自身就是天然的数据富矿 。
从前几年 ，AI的主战场在数字世界——写文章、画图、写代码 ，所有都产生在屏幕里 。而未来 ，AI的主战场将转移到物理世界 �；蛐碚腔谡庋呐卸� ，5月18日的京东618启动会上 ，京东集团技术委员会主席曹鹏明确提出 ，京东将打造全球最大物理世界运营中心 ，推动AI从千行百业走进千家万户 。
说白了 ，AI要从屏幕里走出来 ，光会写文章画图不够 ，它得学会在真实世界里干活 。而干活这件事 ，没有捷径 ，就是得看够足够多的人类操作——怎么擦桌子 ，怎么扶老人 ，怎么摘果子 。这些数据不成能在尝试室里编出来 ，只能从真实的生涯里一帧一帧地采 。
机械人的Scaling Law找到了 ，方向明确了 ，剩下就是一个字：喂 。谁能最快喂够数据 ，谁的机械人就先聪明起来 。京东的做法单一向接——发起60万人 ，在真实生涯里给机械人当教员 。
漫蛙Manwa2官方入口“也许我带着一点主观情感，但他确实是最强的。你会自然地去崇拜他，然后反复研究他的比赛方式，把他的动作拆解开来，甚至会问父亲：他为什么在这种情况下这样做？为什么会选择这样的处理？他就是那种一直让你想去模仿、去理解的人。”但在实践中，当你需要控制一个超过四五十个自由度的系统时，通常还需要一个用强化学习训练的全身控制器，将基础模型产生的高级指令转化为每个关节的最终执行动作。预训练模型赋予机器人泛化能力，使其能够遵循不同的语言指令，对不同物体和任务目标执行任务。模型还可以进一步进行后训练，执行更复杂的操作。漫蛙Manwa2官方入口《姑父帐中欢BY陆缙全文阅读百度云》用户可点击感兴趣的故事深入浏览，应用还会调取网络公开信息辅助决策，例如导航至最近的遛狗公园或推介宠物训练课程。用户可将喜欢的内容保存至个人库，并随时回顾。近年来，市场焦点主要集中于用于训练大型语言模型的图形处理器（GPU），但随着AI应用逐渐从模型训练转向推理、执行和自动化任务管理，业内越来越多企业开始关注CPU在数据处理、工作流协调以及系统控制层面的作用。
20260607 ? 漫蛙Manwa2官方入口标准GRPO训练的模型给出了正确的最终答案62，但在推理过程中犯了一个严重的方向性错误——把逆时针旋转的条件处理成了顺时针旋转，因此推导出的中间方程是错误的。后来又悄悄把旋转方向"改"回去，才凑出了正确答案。这是一种典型的"结果蒙对了、过程是错的"情况，说明模型通过某种捷径规避了对推理过程的真正学习。《深度开发》by我叫大海百度网盘伊劳拉的足球因直接和高强度赢得了赞赏，这种风格曾在克洛普执教安菲尔德时效果极佳，而伊劳拉看起来已经准备好迎接这份工作。
20260607 ? 漫蛙Manwa2官方入口历史上，国际足球赛事一直要求球队适应各种艰难和不可预测的环境。例如1986年墨西哥世界杯，球队需要面对高海拔带来的生理压力；1994年美国世界杯，球队需应对高温和湿度的考验；2002年世界杯，球队则面临跨国移动的复杂行程安排。《红桃视频》在剩余时间里，皇马主席再次批评竞争对手候选人，称其“毫无道德”，会毁掉俱乐部然后“以一欧元出售”。“这是我2000年上任时遇到的情况，”他回忆道。
京公网安备11010202000001号
