La manipulación robótica en entornos desordenados es uno de los desafíos que los robóticos están enfrentando actualmente. Cuando los objetos a manejar son frutas frescas y delicadas, el agarre es aún más complicado. Detectar y localizar frutas con la precisión necesaria para agarrarlas es muy difícil debido a la gran variabilidad en el aspecto y las dimensiones de cada artículo. Este documento propone una solución que explota una red neuronal de última generación y un novedoso método mejorado de estimación de pose 6D que integra el mapa de profundidad con la salida de la red neuronal. Incluso con una localización precisa, agarrar frutas con una fuerza adecuada para evitar deslizamientos y daños al mismo tiempo es otro desafío. Este trabajo resuelve este problema recurriendo a un controlador de agarre basado en la detección táctil. Dependiendo del escenario de aplicación específico, agarrar una fruta podría ser imposible sin chocar con otros objetos u otras frutas. Por lo tanto, se propone aquí una acción de manipulación no prehensil para empujar los elementos que obstaculizan el agarre de una fruta detectada. El empuje desde una ubicación inicial a una ubicación objetivo es realizado por un controlador predictivo de modelo teniendo en cuenta el inevitable retraso en la percepción y el procesamiento del sistema robótico. Experimentos con frutas frescas reales demuestran que el enfoque propuesto en general permite que un robot agarre con éxito manzanas en diversas situaciones.