يجب أن يكون النظام الروبوتي الآلي قويًا قدر الإمكان وآمنًا من حيث الفشل بشكل عام، مع الحفاظ على دقة عالية نسبيًا وتكرار موثوق. وعلى الرغم من أن الطرق القائمة على التعلم العميق أصبحت المعيار البحثي المعياري لمعالجة مهام المسح ثلاثي الأبعاد والمعالجة الصورية، فإن المعيار الصناعي لمعالجة هذه البيانات لا يزال يعتمد على الطرق التحليلية. ويدّعي هذا البحث أن الطرق التحليلية أقل مرونة وأصعب في الاختبار والتحديث والصيانة. ويركز هذا العمل على مهمة محددة، وهي تقدير الوضعية الستية (6D) للصناديق في صور المسح ثلاثية الأبعاد. ولهذا، نقدم مجموعة بيانات عالية الجودة تتكون من بيانات مُصَنَّعة ومسوحات حقيقية تم التقاطها باستخدام ماسح ضوئي مُضيء بنمط هندسي، مع تسميات دقيقة. بالإضافة إلى ذلك، نقترح طريقتين مختلفتين لتقدير الوضعية الستية للصناديق: إحداهما طريقة تحليلية تُعد المعيار الصناعي، والأخرى طريقة مبنية على البيانات كنقطة مرجعية (baseline). وتُجرى تقييمات متقاطعة بين الطريقتين، وتُظهر تجاربنا أن تعزيز عملية التدريب باستخدام بيانات حقيقية مُضافة إلى بيانات مُصَنَّعة يُحسّن من أداء النموذج العصبي القائم على البيانات الذي نقترحه. ويُعد هذا البحث مقدمة، إذ تم تدريب وتقدير الطرق المقترحة على مجموعة بيانات أولية صغيرة نسبيًا، والتي نخطط لتوسيعها في المستقبل.