استنتاج العلاقات المكانية في اللغة الطبيعية هو قدرة بالغة الأهمية التي ينبغي أن تمتلكها الأنظمة الذكية. يهدف مجموعة بيانات bAbI إلى التقاط مهام ذات صلة بهذا المجال (المهمة 17 والمهام 19). ومع ذلك، تتميز هذه المهام بعدة قيود جوهرية، أبرزها أنها محدودة بالتعبيرات الثابتة، ومحدودة في عدد خطوات الاستدلال المطلوبة لحلها، وتفشل في اختبار قدرة النماذج على التحمل تجاه المدخلات التي تحتوي على معلومات غير ذات صلة أو مكررة. في هذا البحث، نقدم مجموعة بيانات جديدة للإجابة على الأسئلة تُسمى StepGame، مخصصة لاستدلال مكاني متعدد الخطوات المُتماسك في النصوص. تُظهر تجاربنا أن النماذج المتطورة حاليًا على مجموعة بيانات bAbI تواجه صعوبات كبيرة في التعامل مع مجموعة بيانات StepGame. علاوةً على ذلك، نقترح نموذجًا جديدًا يُسمى الشبكة العصبية المُعززة بالذاكرة القائمة على الضرب التنسوري (TP-MANN)، مُصممًا خصيصًا للمهام المتعلقة بالاستدلال المكاني. وتُظهر النتائج التجريبية على كلا المجموعتين أن نموذجنا يتفوق على جميع النماذج الأساسية من حيث الأداء العام والقدرة على التحمل.