In diesem Artikel präsentieren wir ein modulares robotisches System zur Bewältigung des Problems der Generierung und Durchführung antipodaler Greifbewegungen für unbekannte Objekte basierend auf n-Kanal-Bildern der Szene. Wir schlagen ein neuartiges generatives residuelles Faltungsneuronales Netzwerk (GR-ConvNet) vor, das in Echtzeitgeschwindigkeit (~20 ms) robuste antipodale Greifbewegungen aus n-Kanal-Eingaben generieren kann. Wir evaluieren die vorgeschlagene Modellarchitektur anhand standardisierter Datensätze sowie einer vielfältigen Auswahl an Haushaltsgegenständen. Dabei erreichen wir eine state-of-the-art-Genauigkeit von 97,7 % und 94,6 % auf den Cornell- und Jacquard-Greifdatensätzen, jeweils. Zudem zeigen wir eine Greif-Erfolgsrate von 95,4 % und 93 % bei Haushalts- und adversarialen Objekten unter Verwendung eines 7-DoF-Roboterarms.