أظهرت النماذج التحويلية (Transformers) نتائج مثيرة للإعجاب في مجال تقسيم الدلالة لسحابات النقاط ثلاثية الأبعاد. ومع ذلك، فإن التعقيد التربيعي للنموذج التحويلي يجعل تكاليف الحساب عالية، مما يحد من عدد النقاط التي يمكن معالجتها بشكل متزامن ويعرقل نمذجة الارتباطات طويلة المدى بين الأشياء في مشهد واحد. مستوحاة من الإمكانات الكبيرة للنماذج الفضائية الحديثة (State Space Models - SSM) في نمذجة التسلسلات الطويلة، نقدم "مانبا" (Mamba)، وهي هندسة تعتمد على النموذج الفضائي، إلى مجال سحابات النقاط ونقترح "بانبا" (Pamba)، وهي هندسة جديدة تتمتع بقدرة قوية على النمذجة العالمية تحت التعقيد الخطي. تحديداً، لجعل الفوضى في سحابات النقاط تناسب الطبيعة السببية لـ "مانبا"، اقترحنا استراتيجية متعددة المسارات للترميز تنطبق على سحابات النقاط. بالإضافة إلى ذلك، اقترحنا كتلة "كونفمانبا" (ConvMamba) لتعويض نقاط الضعف في "مانبا" عند نمذجة الهندسات المحلية وفي النمذجة الأحادية الاتجاه. حققت "بانبا" أفضل النتائج المتاحة حاليًا في عدة مهام لتقسيم سحابة النقاط ثلاثية الأبعاد، بما في ذلك ScanNet v2 وScanNet200 وS3DIS وnuScenes، بينما تم التحقق من فعاليتها عبر تجارب واسعة النطاق.