Para satisfacer las demandas de agarre en tiempo real en entornos complejos, este documento propone un modelo de agarre robótico ligero pero de alto rendimiento. El modelo integra convoluciones de gran núcleo y conexiones residuales para generar información de agarre para objetos desconocidos a partir de imágenes RGB y de profundidad, lo que permite la generación en tiempo real de planes de agarre estables a partir de las imágenes. El modelo propuesto logró una precisión favorable en los conjuntos de datos estándar de agarre de Cornell y Jacquard. En comparación con otros métodos, el modelo propuesto reduce significativamente el número de parámetros mientras logra un rendimiento comparable, lo que lo convierte en un modelo ligero. Además, se realizaron experimentos en el mundo real utilizando un robot colaborativo de seis ejes en un conjunto de objetos domésticos previamente no vistos con formas diversas y adversariales, logrando una tasa de éxito de agarre del 93.7%. Los resultados experimentales demuestran que el modelo propuesto no solo mejora la precisión del agarre, sino que también tiene un gran potencial para aplicaciones prácticas, particularmente en sistemas robóticos con recursos limitados.