Bài báo này đề cập đến vấn đề cầm nắm bằng robot, đòi hỏi khả năng cầm nắm và thao tác ổn định các vật thể có hình dạng, kích thước và hướng khác nhau. Chúng tôi sử dụng mạng nơ-ron sâu để học các biểu diễn trừu tượng, phong phú của vật thể và tổng hợp các tư thế cầm nắm. Cụ thể, chúng tôi triển khai một khuôn khổ toàn diện, Phát hiện Cầm nắm Hướng dẫn Bản đồ Nhiệt (Heatmap-Guided Grasp Detection), trên hệ thống trên chip (SoC) GAP9 RISC-V. Các kỹ thuật nhận biết phần cứng như giảm chiều đầu vào, phân vùng mô hình và lượng tử hóa được sử dụng để tối ưu hóa mô hình. Tính khả thi của suy luận trên chip được kiểm chứng thông qua chuẩn GraspNet-1Billion, làm nổi bật tiềm năng của thao tác tự động theo thời gian thực bằng cách sử dụng các MCU công suất thấp.