यह शोधपत्र रोबोटिक ग्रिपिंग की समस्या पर केंद्रित है, जिसके लिए विभिन्न आकृतियों, आकारों और दिशाओं वाली वस्तुओं को स्थिर रूप से पकड़ना और उनका संचालन करना आवश्यक है। हम वस्तुओं के समृद्ध, अमूर्त निरूपण सीखने और ग्रिप पोज़ को संश्लेषित करने के लिए एक गहन तंत्रिका नेटवर्क का उपयोग करते हैं। विशेष रूप से, हम एक GAP9 RISC-V सिस्टम-ऑन-चिप (SoC) पर एक एंड-टू-एंड फ्रेमवर्क, हीटमैप-गाइडेड ग्रैस्प डिटेक्शन, लागू करते हैं। मॉडल को अनुकूलित करने के लिए इनपुट डायमेंशनलिटी रिडक्शन, मॉडल पार्टीशनिंग और क्वांटिज़ेशन जैसी हार्डवेयर-जागरूक तकनीकों का उपयोग किया जाता है। ऑन-चिप इंफ़रेंस की व्यवहार्यता को ग्रैस्पनेट-1 बिलियन बेंचमार्क के माध्यम से सत्यापित किया गया है, जो कम-शक्ति वाले MCU का उपयोग करके रीयल-टाइम स्वायत्त संचालन की क्षमता पर प्रकाश डालता है।
