يمكن لتقسيم السحابة النقطية معنويًا أن يعزز بشكل كبير إدراك الوكيل الذكي. ومع ذلك، فإن القدرة التمييزية لشبكة التقسيم تتأثر بعدد العينات المتاحة لكل فئة. وللتخفيف من التحيز المعرفي الناتج عن عدم توازن الفئات، تقدم هذه الورقة طريقة جديدة تُعرف بـ "التوجيه بالبروتوتيب الفرعي" (\textbf{SPG}) لتوجيه تدريب شبكة التقسيم. بشكل محدد، يتم أولاً فصل السحابة النقطية إلى مجموعات منفصلة من النقاط حسب الفئة، وذلك لتوفير الشروط الأولية لتكوين فضاءات الميزات الفرعية. يحتوي الفرع المساعد، الذي يتكون من معالج (encoder) ورأس توقع (projection head)، على خريطة هذه المجموعات النقطية إلى فضاءات ميزات منفصلة. ثم، يتم استخراج بروتوبات الميزات من الفضاءات الفرعية الحالية، والتي تُدمج مع بروتوبات الفضاءات الفرعية التاريخية، لتوجيه فضاء الميزات في الفرع الرئيسي، بهدف تعزيز تمييز الميزات الخاصة بالفئات النادرة. كما تُستخدم البروتوبات المستخلصة من فضاء الميزات في الفرع الرئيسي لتوجيه تدريب الفرع المساعد، مما يشكل دورة رقابة تضمن تقاربًا متسقًا لشبكة كاملة. أظهرت التجارب التي أُجريت على معايير عامة كبيرة (مثل S3DIS، ScanNet v2، ScanNet200، Toronto-3D) والبيانات الواقعية المجمعة أن الطريقة المقترحة تحسن بشكل ملحوظ من أداء التقسيم، وتفوق الطرق الرائدة في مجالها. يمكن الوصول إلى الكود عبر الرابط: \url{https://github.com/Javion11/PointLiBR.git}.