في هذه الورقة، نقدم نظامًا روبوتيًا معياريًا للتعامل مع مشكلة إنشاء وتنفيذ إمساكات روبوتية متعاكسة (Antipodal Grasps) للأجسام غير المعروفة بناءً على صورة مكونة من n قناة من المشهد. نقترح نموذجًا جديدًا يُسمى الشبكة العصبية التلافيفية التوليدية ذات البقايا (GR-ConvNet) التي تُنتج إمساكات متعاكسة قوية من المدخلات ذات n قنوات بسرعة في الزمن الفعلي (~20 مللي ثانية). قمنا بتقييم بنية النموذج المقترح على مجموعات بيانات قياسية ومجموعة متنوعة من الأجسام المنزلية. وحققنا دقة متقدمة جدًا تبلغ 97.7% و94.6% على مجموعتي بيانات إمساك Cornell وJacquard على التوالي. كما أظهرنا معدل نجاح في الإمساك يبلغ 95.4% و93% على الأجسام المنزلية والأجسام المعاكسة على التوالي باستخدام ذراع روبوتية ذات 7 درجات من الحرية.