يُعدّ تقدير وضع الجسم بستة درجات من الحرية (6-DoF) من صورة RGB واحدة مشكلة أساسية ومستمرة منذ فترة طويلة في رؤية الحاسوب. تحلّ الحلول الرائدة حاليًا هذه المشكلة من خلال تدريب الشبكات العميقة للتنبؤ مباشرة بـ"الدوران" و"الانزلاق" من الصورة، أو من خلال إنشاء تطابقات ثنائية الأبعاد مع ثلاثية الأبعاد، ثم حلها لاحقًا بشكل غير مباشر باستخدام طريقة PnP. ونُقدّم هنا رأيًا مخالفًا، مُعتبرين أن الدوران والانزلاق يجب أن يُعاملان بشكل مختلف نظرًا لاختلافهما الكبير. في هذا العمل، نُقدّم منهجية جديدة لتقدير الوضع بستة درجات من الحرية: شبكة الوضع المُفصّل القائمة على الإحداثيات (CDPN)، التي تُفصّل الوضع لتقدير الدوران والانزلاق بشكل منفصل، مما يُحقق تقديرًا دقيقًا وقويًا جدًا للوضع. يتميّز منهجنا بالمرونة، والكفاءة العالية، والدقة العالية، كما يُمكنه التعامل مع الأجسام غير ذات النسيج (التي لا تحتوي على نقوش) والكائنات المُغطاة جزئيًا. أُجريت تجارب واسعة على مجموعتي بيانات LINEMOD وOcclusion، وأظهرت النتائج تفوق منهجنا على الطرق الحالية القائمة على RGB من حيث المقاييس الشائعة. وبشكل محدد، تفوق منهجنا بشكل كبير على أحدث الطرق القائمة على RGB في الأداء على المقاييس الشائعة.