京东物流发布行业首个高质量数据集，全面赋能五大核心场景
随着物流行业智能化转型的加速，如何实现数据从“可用”向“可信、可驱动”转变，成为当前面临的关键挑战。
传统数据采集方式通常局限于单一维度或事后记录，难以满足现代供应链对时效与精度的高要求。
依托每日数千万订单的业务积累，京东物流推出了首个覆盖货品全要素的高质量数据集。该数据集已在仓储管理、分拣处理、商家计费、运输配送、客服体验等五个核心物流场景中成功落地，构建了从数据采集到决策执行的完整闭环，仅一个季度就实现运营增收降本超千万元。
SKU复杂，机械臂难以精准抓取？
智能建模打破视觉瓶颈，提升机械臂识别能力
传统物流中，数据采集主要依赖人工或单一传感器，难以融合视觉、尺寸、重量等多源信息，无法准确刻画货品状态。在自动化仓储中，面对数万SKU、非标准化摆放及密集堆叠的商品，即便是智能化仓储中的机械臂，也可能因缺乏高精度三维感知而“失明”，导致识别与抓取失败。
为解决这一问题，京东物流自主研发了高精度3D扫描系统和多目视觉阵列，为海量商品构建毫米级精度的三维数字模型，并结合深度学习技术进行抓取点标注，形成机械臂的“视觉图谱”。
▲商品精确三维信息的点云数据图
此外，通过采集机械臂关节轨迹与力度反馈等遥操作数据，京东物流建立了机械臂的“动作库”。结合跨模态融合技术，系统可将“视觉图谱”与“操作策略”匹配，使机械臂不仅能够识别目标商品，还能高效稳定地完成抓取。
商品尺寸不清，导致物流计费争议？
多模态闭环校验提升数据准确性，减少纠纷
在物流计费中，运费通常依据商品尺寸、体积和重量计算。但物理属性数据长期依赖人工抽检或粗略估计，效率低下且误差较大，导致商家投诉收费过高，而物流端则面临成本压力。双方对账过程复杂，还影响后续如耗材推荐和车辆配载等决策。
为提升数据标注效率，京东物流引入空间多模态大模型辅助标注，自动识别商品关键属性，并在数据缺失时生成补充描述。当商品进入分拣线，3D相机、结构光扫描仪与智能秤可同步采集多源数据，系统将视觉测量结果与商品详情页信息自动比对。若偏差超出阈值，Agent智能体将触发O.P.A.R.（观察-规划-行动-反思）闭环机制，调度机器人重新扫描，确保物理属性数据的高可信度。
▲商品物理信息的深度图
目前，该方案已服务于数万家平台商家，商品物理属性采集精度达到95%以上，商家对账纠纷减少50%。更为重要的是，这些标准化数据为智能补货、运输路径规划等上层应用提供了可靠的数据支撑，推动“可信数据”向“智能决策”演进。
物流链长，管理难度高？
闭环数据管控覆盖物流全链路
在传统物流中，数据流与业务流往往脱节。例如，易碎品的识别常依赖人工判断，识别结果难以自动传递至包装、分拣与运输环节，导致识别准确但保护措施不到位，增加货损并影响客户体验。
为解决数据闭环断裂问题，京东物流开发了分体式分拣、货箱复合分拣等机器人系统，并融合3D建模与遥操作数据，实现“感知-决策-执行”一体化。
▲复合机器人分体式分拣方案
以仓储拣选为例，机械臂可基于高精度三维模型和抓取热力图，实现自主识别与定位，显著提升作业效率与准确性。同时，系统嵌入自主决策模块，对数据质量进行实时监控与优化。一旦发现视觉测量结果与商品信息库不符，将自动触发重新扫描流程，形成“感知-校验-复核”闭环。
▲视觉识别及优先抓取示意
在易碎品识别方面，系统融合商品文本信息、图像特征与历史破损数据，实现自动打标并输出置信度。当置信度超过设定阈值时，系统将联动仓储、包装及运输环节，实施差异化管控，从货架摆放建议到包装材料推荐，提供全链路保障。在与某高端白酒品牌的合作中，该方案在春节促销期间将运输破损率降至行业最低的0.05%。
当前，物流行业的竞争正从网点布局、仓储规模等传统优势，转向数据采集、处理与应用的软实力。京东物流打造的覆盖“仓、拣、运、配”全链路的货品全要素数据集，已对外输出“异狼机械臂”、“京慧”、“与图”等高可用智能决策服务与工具，成为推动行业智能化升级的重要力量。
未来，京东物流将持续拓展该数据集在跨境物流、绿色供应链等场景的深度应用，推动行业共建安全、可信、互操作的数据空间，助力中国物流迈向“数据驱动”的智能时代。