NYU publie MABEL : un robot bimanuel mobile à 56 degrés de liberté pour 8 056 $ de pièces open-source

NYU publie MABEL : un robot bimanuel mobile à 56 degrés de liberté pour 8 056 $ de pièces open-source

🔎 La robotique de manipulation vient de perdre son excuse favorite

« Impossible de faire de la recherche en manipulation bimanuelle sans un budget à six chiffres. » Cette phrase, entendue dans des dizaines de labs européens ces dernières années, vient de prendre un coup dans les genoux. Le Center for Robotics and Embodied Intelligence (CREO) de l'université de New York vient de publier MABEL — Mobile Anthropomorphic Bimanual Embodiment for Learning — un robot mobile bimanuel entièrement open-source dont la nomenclature de pièces complète s'élève à 8 056 $ pour la configuration « Essential ».

Le chiffre mérite qu'on s'y arrête, parce qu'il ne s'agit pas d'un prototype bancal dont le BOM oublie la moitié de l'électronique. MABEL embarque 56 degrés de liberté fonctionnels : deux bras 7-DOF, deux mains ORCA de 17 DOF chacune, un torse articulé, un cou 3-DOF et une base swerve-drive. Dans le comparatif publié avec le papier, les plateformes commerciales équivalentes — Mobile ALOHA à 32 000 $, Rainbow RB-Y1 à 80 000 $, DexMate Vega à 98 000 $ — s'arrêtent toutes à des pinces ou des mains de 6 DOF maximum.

Pourquoi maintenant ? Parce que la recherche en robotique d'imitation learning stagne sur un goulot d'étranglement matériau : les plateformes capables de collecter des données de démonstration de qualité sont trop chères, trop fermées, et trop limitées en dextérité. MABEL attaque les trois problèmes à la fois, et le timing coïncide avec une vague open-source qui déborde du logiciel vers le hardware — on l'a vu avec les agents de recherche comme DeerFlow de ByteDance ou OpenSeeker-v2. Mais contrairement à ces projets logiciels, un robot open-source engage des pièces physiques, des tolerances mécaniques et des délais de livraison. C'est là que ça devient intéressant.

L'essentiel

• MABEL est un robot mobile bimanuel open-source du CREO (NYU), avec 56 DOF fonctionnels : deux bras 7-DOF, deux mains ORCA 17-DOF, torse à pitch et lift, cou 3-DOF, base swerve-drive.
• Le BOM de la config « Essential » est de 8 056 $ (pièces, prix au 31/07/2026) — contre 32 000 $ pour Mobile ALOHA, 80 000 $ pour le Rainbow RB-Y1 et 98 000 $ pour le DexMate Vega (comparatif du papier, prix octobre 2026, hors périmètre strictement équivalent).
• Contrairement à toutes les plateformes comparables, MABEL conserve 17 DOF de main là où la concurrence finit en pince ou en main à 6 DOF max.
• L'hardware est sous licence CERN-OHL-S-2.0, avec tous les fichiers publiés : STEP, fabrication, électronique, firmware, stack ROS 2 et simulation.
• La reproductibilité est prouvée : un second robot a été assemblé à partir des seuls fichiers publiés, en environ 2 semaines.
• La téléopération whole-body se fait sans contrôleur portatif, par suivi du corps, avec une latence vidéo stéréo verre-à-verre moyenne de 137 ms sur le hotspot Wi-Fi du robot.
• Le pipeline d'imitation learning est de bout en bout : de la collecte de données téléopérées au déploiement de la policy, avec interface de commande partagée.

Outils recommandés

Ce qu'est exactement MABEL — et ce que ça change

MABEL est un robot mobile anthropomorphe bimanuel conçu pour une tâche précise : servir de plateforme de collecte de données pour la téléopération et l'apprentissage par imitation. Le papier (arXiv 2611.04083) décrit un système complet — appelons-le robot — pensé dès le départ pour que un humain le pilote naturellement, pendant qu'il enregistre tout ce qu'il faut pour entraîner une policy.

La spécification qui fait la différence, c'est la dextérité de main. Les deux mains ORCA totalisent 17 DOF chacune. Le comparatif du papier est sans appel : Mobile ALOHA, RB-Y1 et Vega finissent tous en pince ou en main à 6 DOF maximum. Or la manipulation fine — tourner une clé, replier du linge, insérer une fiche — se joue précisément dans ces degrés de liberté que les plateformes commerciales n'ont pas. Un lab qui achète un Mobile ALOHA à 32 000 $ collecte des données de pousser-tirer ; un lab qui assemble un MABEL collecte des données de manipulation anthropomorphe.

Autre décision d'architecture qui compte : les bras sont adaptés d'OpenArm d'Enactic, avec des actionneurs DAMIAO et des commandes d'impédance en espace articulaire, rétro-conduisibles. La rétro-contrôlabilité (backdrivability) signifie que l'humain peut physiquement guider le bras pendant la téléopération, ce qui simplifie énormément la collecte de démonstrations naturelles. C'est le genre de choix qu'on ne fait que dans un projet qui pense « données d'abord ».

Le tronc n'est pas décoratif non plus : pitch et lift motorisés, plus un cou 3-DOF qui permet au robot d'orienter sa caméra stéréo comme un humain tourne la tête. Sur une plateforme téléopérée whole-body, ce n'est pas du confort, c'est de l'information de démonstration supplémentaire.

La mobilité : une base swerve-drive, pas un differential drive

La base swerve-drive est un choix rare à ce niveau de prix, et il est significatif. Un différentiel classique contraint les déplacements du robot — il tourne sur place, il ne se déplace pas en crabe, et son référentiel de déplacement est moins naturel à téléopérer. Le swerve-drive permet un mouvement omnidirectionnel avec orientation des roues, ce qui rapproche le comportement du robot de celui d'un humain avec un chariot. Pour de l'imitation learning whole-body, chaque écart entre la morphologie du téléopérateur et celle du robot se paie en qualité de policy au déploiement.

Le BOM à 8 056 $ : qu'est-ce qu'il y a dedans, et qu'est-ce qu'il n'y a pas

Commençons par ce que le chiffre représente : le coût des pièces de la configuration « Essential », au 31/07/2026. Pas la main-d'œuvre, pas les outils, pas la marge d'un intégrateur. C'est un BOM honnête dans la mesure où le projet a validé sa propre reproductibilité — la preuve la plus solide qu'on puisse fournir sur un BOM : un second exemplaire assemblé depuis les fichiers publiés, en environ 2 semaines.

Sur la seule base du prix des pièces, MABEL coûte 4 fois moins cher que Mobile ALOHA. Mais attention, ce comparatif est volontairement défavorable aux concurrents sur un point : Mobile ALOHA à 32 000 $ est un produit assemblé, avec support, garantie et livraison prête à l'emploi. Le comparatif du papier le signale explicitement — « hors périmètre équivalent ». Un lab qui compare les deux doit se poser la question du coût de sa propre main-d'œuvre d'assemblage.

Et la main-d'œuvre n'est pas négligeable. Deux semaines pour assembler un second robot à partir des fichiers, ça veut dire deux semaines d'ingénieur ou de PhD. À un coût employé chargé réaliste dans un lab européen, cela représente plusieurs milliers d'euros de charge interne. Le coût réel d'un MABEL assemblé se situe donc vraisemblablement entre 12 000 et 15 000 $ — toujours 2 à 6 fois moins cher que les alternatives commerciales, mais pas 8 056 $.

Il y a un second point que le BOM ne capture pas : la logistique d'approvisionnement. Les actionneurs DAMIAO viennent d'un fournisseur chinois dont les délais et les conditions de vente pour un lab européen restent à qualifier. Les mains ORCA 17-DOF sont le composant le plus critiquement dimensionnant — si Enactic modifie sa tarification ou sa disponibilité, c'est toute l'économie du projet qui bouge.

Le tableau comparatif du papier, en clair

Je note que le tableau du papier précise que les prix des concurrents sont hors périmètre strictement équivalent — autrement dit, on compare des robots de classes différentes sur la dextérité. C'est justement le sujet : à dextérité comparable, il n'existe tout simplement pas d'offre commerciale.

Le pipeline d'imitation learning : de la téléopération à la policy, sans couture

C'est là que MABEL se distingue d'un simple kit mécanique open-source. Le papier décrit un pipeline de bout en bout : collecte de données téléopérées jusqu'au déploiement de policy, avec une interface de commande partagée et un contrôleur whole-body.

Concrètement, la téléopération se fait par suivi du corps — pas de manette, pas de bras maître exosquelettique. L'humain bouge, le robot suit. C'est le mode de téléopération le plus naturel et le plus dense en information : les démonstrations capturent l'usage du torse, du cou et des jambes de la base en même temps que celui des bras. Un contrôleur whole-body unique orchestre l'ensemble.

Le chiffre qui m'a le plus marqué dans le papier : la latence vidéo stéréo verre-à-verre moyenne est de 137 ms sur le hotspot Wi-Fi du robot. Verre-à-verre, cela signifie du capteur (l'objectif de la caméra) à l'écran de retour (le casque ou l'écran du téléopérateur). À 137 ms, on est dans la zone où l'humain reste capable d'effectuer des gestes fins sans divergence de plus en plus marquée, mais on est aussi proche de la limite. C'est un chiffre qui mérite d'être publié et qu'il faut lire comme un indicateur honnête — une latence inférieure aurait exigé un infrastructure réseau dédiée, ce qui aurait fait grimper le BOM.

Cette intégration de la téléopération et de l'apprentissage dans une même interface de commande est exactement ce que réclame la recherche en manipulation depuis des années. Les labs qui travaillent sur les agents long terme comme DeerFlow de ByteDance ou sur les search agents comme OpenSeeker-v2 illustrent la même tendance côté logiciel : la valeur se déplace vers les pipelines intégrés, pas vers les composants isolés. MABEL fait la même chose pour l'embodied AI.

CERN-OHL-S-2.0 : pourquoi le choix de licence n'est pas anodin

La licence CERN-OHL-S-2.0 est une licence copyleft pour le hardware. En clair : vous pouvez utiliser, modifier et redistribuer, mais si vous distribuez une version modifiée, vous devez la publier sous la même licence. Ce n'est pas du MIT, ce n'est pas de l'Apache 2.0. C'est un choix politique autant que technique.

Pour la recherche, c'est le bon choix. Un lab qui améliore le poignet, qui change l'électronique de la base ou qui remplace les mains ORCA par une version maison est contractuellement incité à publier sa variante. Sur un écosystème où chaque lab réinvente ses bras en silo depuis vingt ans, c'est le mécanisme qui peut créer une véritable base commune.

L'étendue de la publication est ce qui distingue vraiment MABEL des projets « open-source » de façade : tous les fichiers de design (STEP), de fabrication, d'électronique, de firmware, la stack ROS 2 et la simulation sont publiés. STEP, c'est important à préciser, car c'est le format natif que les ingénieurs mécaniques utilisent réellement. Un repo qui publie des STEP plutôt que des STL est un repo destiné à être modifié, pas juste réimprimé.

La simulation publiée avec le robot est le deuxième maillon critique du pipeline d'imitation learning. Un lab peut commencer à développer ses policies en simulation, valider la transferabilité, et n'utiliser le robot physique que pour la collecte de données et le déploiement final. C'est le modèle de travail qui s'est imposé dans la recherche en robotique moderne — et qui rejoint une question que VicOne a récemment mise en lumière d'une autre manière : dans la robotique, les surfaces d'attaque et les surfaces de test se jouent autant en simulation qu'en physique, comme le montre la découverte de 28 zero-days en moins de 48 heures avec l'IA.

Ce que ça change pour les labs européens

Premier effet, mécanique : le ticket d'entrée à la manipulation bimanuelle anthropomorphe avec dextérité de main passe d'un budget de 80 000 à 98 000 $ à un budget de pièces de 8 056 $. Pour un lab européen, cela signifie qu'un PhD peut avoir son robot de manipulation en propre, ou qu'un lab peut se payer une flotte de 3 à 5 MABEL pour le prix d'un seul Vega commercial. Or la collecte de données en robotique d'imitation learning est exactement le genre de tâche qui se parallélise : plus de robots qui collectent en parallèle, plus de démonstrations, plus vite une policy déployable.

Deuxième effet, structurel : la reproductibilité d'un expérimentation robotique devient réelle. Quand deux labs travaillent sur le même papier avec le même robot issu des mêmes fichiers, ils comparent des policies sur le même hardware. Aujourd'hui, reproduire une expérience de manipulation entre deux labs équipés de plateformes différentes est presque impossible — il faut réapprendre le hardware, re-étalonner, adapter les interfaces. Avec MABEL, on compare du logiciel à logiciel.

Troisième effet, plus indirect : pour les équipes européennes qui s'intéressent à l'IA appliquée au monde physique, il devient possible de combiner un MABEL en local avec des modèles open-source de raisonnement et de planification. Un lab qui monte un pipeline complet autour d'un MABEL peut parallèlement faire tourner ses agents sur une infrastructure open-source — c'est précisément le sujet des agents IA open source avec Ollama en local, et cela s'applique aussi bien aux agents conversationnels qu'aux agents embodied qui orchestrent un robot.

Reste une vraie contrainte, et il faut la nommer : le coût de main-d'œuvre. Deux semaines d'assemblage pour un second exemplaire, c'est la preuve de reproductibilité, pas de productivité. Un lab qui assemble son premier MABEL peut compter des semaines supplémentaires pour la mise en route, le calibration et la familiarisation avec la stack. C'est un investissement en compétence interne, pas juste un achat de pièces.

❌ Erreurs courantes

Erreur 1 : lire 8 056 $ comme le prix du robot assemblé

Le BOM « Essential » au 31/07/2026 ne comprend ni main-d'œuvre, ni outils, ni temps de mise en route, ni les variations de prix des composants. La reproductibilité a été validée par un second robot assemblé en ~2 semaines — à partir de fichiers, par une équipe qui connaissait le projet. Un lab qui démarre de zéro doit prévoir plus.
La solution : budgéter un coût réel de 12 000 à 15 000 $ en incluant une charge de main-d'œuvre réaliste, et vérifier la disponibilité des actionneurs DAMIAO et des mains ORCA avant de s'engager.

Erreur 2 : comparer MABEL et Mobile ALOHA comme s'ils faisaient la même chose

Le comparatif du papier le précise explicitement : les plateformes concurrentes sont hors périmètre strictement équivalent. Mobile ALOHA n'a pas de mains 17-DOF, et un lab qui ne fait que du pick-and-place n'a aucun besoin de cette dextérité.
La solution : choisir en fonction du périmètre de recherche. Pour de la manipulation fine anthropomorphe, MABEL est sans équivalent commercial. Pour de la manipulation grossière bimanuelle, Mobile ALOHA assemblé reste plus rapide à déployer.

Erreur 3 : négliger la contrainte réseau de la téléopération

137 ms de latence verre-à-verre en moyenne, c'est le chiffre publié — sur le hotspot Wi-Fi du robot. Un environnement de lab avec un Wi-Fi saturé ou une topologie réseau complexe peut dégrader significativement ce chiffre.
La solution : dédier un réseau au robot pendant les sessions de collecte, et mesurer sa propre latence verre-à-verre avant de blâmer le pipeline d'imitation learning pour des démonstrations bruitées.

Erreur 4 : croire que la licence CERN-OHL-S-2.0 est « libre comme l'Apache »

CERN-OHL-S-2.0 est copyleft : une variante modifiée doit être publiée sous la même licence. Un lab qui améliore le robot pour un projet industriel doit repartager ses modifications.
La solution : si le projet débouche sur un produit, prévoir dès le départ la stratégie de publication ou de négociation de licence alternative avec NYU.

Erreur 5 : oublier que le pipeline d'imitation learning est une chaîne, pas un module

Un lab qui achète un MABEL et collecte des démonstrations avec une latence dégradée, une couverture de caméra mal réglée ou une politique d'enregistrement incohérente obtiendra de mauvaises policies même avec un robot parfait.
La solution : traiter la chaîne complète — téléopération, capture, normalisation de dataset, simulation, déploiement — comme un seul système à instrumenter, comme le fait VicOne dans la cybersécurité robotique avec ses 28 zero-days découverts en moins de 48 heures à l'aide de l'IA.

❓ Questions fréquentes

Le prix de 8 056 $ comprend-il la main-d'œuvre ?

Non. C'est le coût des pièces de la configuration « Essential », au 31/07/2026. Un second robot a été assemblé depuis les seuls fichiers publiés en environ 2 semaines, mais cela suppose une équipe déjà familière du projet. Un lab qui démarre doit compter la main-d'œuvre d'assemblage, la mise en route et le calibration dans son budget réel.

Quelle est la différence entre MABEL et Mobile ALOHA ?

La dextérité de main et la licence. Mobile ALOHA finit en pinces 0 DOF, quand MABEL embarque deux mains ORCA de 17 DOF, plus des bras 7-DOF avec contrôle d'impédance. Mobile ALOHA est aussi un produit assemblé à 32 000 $ (octobre 2026), quand MABEL est un BOM open-source de 8 056 $ sous CERN-OHL-S-2.0 à assembler soi-même.

Peut-on acheter MABEL tout fait ?

Non, pas à ma connaissance à la date de publication. Tout l'hardware est publié sous CERN-OHL-S-2.0 : STEP, fabrication, électronique, firmware, ROS 2 et simulation. Rien n'indique qu'un intégrateur commercial propose encore une version assemblée, et la licence copyleft obligerait un tel intégrateur à repartager ses modifications.

MABEL est-il adapté à un lab hors des États-Unis ?

Le projet a prouvé sa reproductibilité en assemblant un second exemplaire depuis les fichiers, ce qui est le meilleur indicateur de portabilité géographique. Le point de vigilance pour un lab européen est la logistique d'approvisionnement des actionneurs DAMIAO et des mains ORCA, dont les délais et les conditions de vente hors Asie du Nord-Est restent à qualifier.

Quelle latence faut-il pour la téléopération par imitation learning ?

Le papier publie une moyenne de 137 ms verre-à-verre sur le hotspot Wi-Fi du robot, ce qui est fonctionnel pour de la téléopération avec retour vidéo stéréo. C'est proche de la limite supérieure du confort pour des gestes fins. Un lab visant des tâches très précises devrait viser une latence inférieure via un réseau dédié.

Le robot est-il utilisable en simulation d'abord ?

Oui, la simulation est publiée avec le reste du projet, comme la stack ROS 2, le firmware et les fichiers STEP. Cela permet de développer et tester des politiques en simulation avant de consommer du temps de robot physique — et de n'utiliser le MABEL réel que pour la collecte de démonstrations et le déploiement final.

✅ Conclusion

Avec MABEL, NYU n'a pas publié un robot de plus — elle a publié un standard ouvert qui fait passer le ticket d'entrée de la manipulation bimanuelle anthropomorphe de six chiffres à un peu plus de 8 000 $ de pièces, avec toute la chaîne d'imitation learning documentée de bout en bout. Le test de reproductibilité est déjà passé : un second exemplaire assemblé en deux semaines depuis les seuls fichiers publiés. Aux labs européens qui attendaient un hardware abordable pour se lancer dans la manipulation fine : le repo est là, les STEP sont là, et le reste n'est plus qu'une question de commande de pièces et de deux semaines d'atelier.