Actuellement, la technologie de l'intelligence incarnée accélère son processus d'industrialisation, mais le secteur est confronté au défi du manque de données. Bien que les capacités de contrôle des mouvements des robots se soient améliorées, les grands modèles d'intelligence incarnée, cœur de la prise de décision, ne sont pas suffisamment entraînés en raison du manque de données issues de scénarios réels, ce qui affecte l'application de la technologie dans l'industrie pratique.

Pour favoriser le développement du secteur, le Groupe JD, en s'appuyant sur ses avantages en matière de chaîne d'approvisionnement et ses scénarios commerciaux dans divers domaines, prévoit de créer un centre de collecte de données pour l'intelligence incarnée à grande échelle et couvrant des scénarios complets. Ce projet devrait accumuler plus de 10 millions d'heures de données de haute qualité en deux ans, aidant ainsi l'industrie de l'intelligence incarnée à passer d'une dépendance aux simulations algorithmiques à une approche pilotée par des données réelles.

Les données sont un élément clé du développement de l'intelligence incarnée. JD a déjà mis en place des installations de collecte de données robotiques, couvrant des domaines clés tels que la logistique, l'industrie, la santé, les services domestiques et la maintenance urbaine, enregistrant des informations multidimensionnelles telles que la vision, le toucher et les trajectoires spatiales.

JD mobilisera plus de 100 000 employés internes et jusqu'à 500 000 personnes externes pour participer à la collecte de données, dont plus de 100 000 citoyens de la ville de Suqian en Chine. La collecte couvrira des centaines de sous-scénarios, notamment les foyers, les bureaux, les usines, la logistique, les magasins, les restaurants, les établissements médicaux et les services d'assainissement, garantissant ainsi la diversité et l'authenticité des sources de données. Toutes les activités de collecte de données respecteront strictement les lois et règlements.

Grâce à cette initiative, JD prévoit d'accumuler 5 millions d'heures de données vidéo de scénarios humains réels en un an, de dépasser 10 millions d'heures en deux ans, et de collecter simultanément 1 million d'heures de données sur le robot lui-même. Cela contribuera à atténuer le problème de pénurie de données dans le secteur et à accélérer l'amélioration des capacités des modèles incarnés à comprendre et à s'adapter aux environnements réels.