نقدم نهجًا لتعلم الخصائص التي تمثل الهندسة المحلية حول نقطة في سحابة نقاط غير منظمة. تلعب هذه الخصائص دورًا محوريًا في التسجيل الهندسي، الذي يدعم تطبيقات متنوعة في مجال الروبوتات ورؤية ثلاثية الأبعاد. تعتبر الخصائص المحلية الحالية لأفضل ما هو معروف من سحب النقاط غير المنظمة أنها قد صُممت يدويًا ولا تجمع بين خواص الدقة والكompاكتية (compactness) والمتانة. نوضح أن الخصائص التي تتميز بهذه الخواص يمكن تعلمها من البيانات، عن طريق تحسين الشبكات العميقة التي تقوم بتحويل التوزيعات ذات الأبعاد العالية إلى فضاءات أوروبية ذات أبعاد منخفضة. ينتج عن النهج المقدم عائلة من الخصائص، معلمة بالأبعاد، تكون أكثر كompاكتية (compactness) وأكثر دقةً من الوصفات الموجودة حاليًا.