يتناول هذا البحث مشكلة التنبؤ بالمسارات لمجموعة من الوكلاء التفاعليين في المشهد، وهي خطوة حاسمة للعديد من المنصات الذاتية مثل السيارات ذاتية القيادة والروبوتات الاجتماعية. نقدم \textit{SoPhie}؛ إطارًا قابلاً للتفسير يعتمد على شبكة المولدات المتنافسة (Generative Adversarial Network - GAN)، والتي تستفيد من مصدرين للمعلومات: تاريخ المسارات لجميع الوكلاء في المشهد، ومعلومات سياق المشهد باستخدام صور للمشهد. للتنبؤ بمسار مستقبلي لوكلاء، يجب الاستفادة من المعلومات الفيزيائية والاجتماعية على حد سواء. لم تنجح الأعمال السابقة في نمذجة التفاعلات الفيزيائية والاجتماعية بشكل مشترك. يدمج نهجنا آلية انتباه اجتماعي مع انتباه فيزيائي يساعد النموذج على تعلم أين يجب أن ينظر في مشهد كبير واستخراج أجزاء الصورة الأكثر أهمية المتعلقة بالمسار. بينما تقوم مكون آلية الانتباه الاجتماعي بتجميع المعلومات عبر مختلف التفاعلات بين الوكلاء واستخراج المعلومات الأكثر أهمية عن المسارات من الجيران المحيطين. يستفيد \textit{SoPhie} أيضًا من GAN لإنشاء عينات أكثر واقعية ولتقديم الطبيعة الغير مؤكدة للمسارات المستقبلية من خلال نمذجة توزيعها. تمكن جميع هذه الآليات نهجنا من التنبؤ بمسارات واقعية ومحتملة اجتماعيًا وفيزيائيًا للوكلاء، وتحقيق أفضل الأداء في عدة مقاييس مختلفة لتنبؤ المسارات.