تعلم وضعية الأشياء المفصلة هو أمر صعب بطبيعته لأن وضعية هذه الأشياء ذات بُعد عالٍ ولكنها تخضع لقيود هيكلية كثيرة. ومع ذلك، فإن معظم الأعمال الحالية لا تُنمذج مثل هذه القيود ولا تضمن صحة التقدير الهندسي لوضعية الأشياء، مما يتطلب معالجة ما بعد التعلم لإعادة استرجاع الهندسة الصحيحة إذا رغب في ذلك، وهو أمر مرهق وغير مثالي. في هذا العمل، نقترح دمج نموذج حركي للأشياء مباشرةً في عملية التعلم العصبي العميق لتقدير وضعية الأشياء المفصلة بشكل عام. يتم تعريف الدالة الحركية على متغيرات الحركة المناسبة للأجسام. وهي قابلة للمفاضلة ويمكن استخدامها في التحسين القائم على الانحدار التدريجي أثناء تدريب الشبكة. يتم استغلال المعرفة السابقة حول النموذج الهندسي للأجسام بشكل كامل ويتم ضمان صحة الهيكل. نقدم نتائج تجارب مقنعة على مثال بسيط ومشكلة تقدير وضعية الإنسان ثلاثية الأبعاد. وفي حالة الأخيرة، حققنا أفضل النتائج حتى الآن على مجموعة بيانات Human3.6M (Human3.6M).