يقترح هذا البحث منهجية جديدة لتنبؤ حركة المشاة الذين يتفاعلون مع الآخرين. يستخدم شبكات التوليد المضادة (Generative Adversarial Network - GAN) لتوليد تنبؤات محتملة لأي وكيل في المشهد. نظراً لحساسية الشبكات GAN الشديدة للانهيار النمطي والتساقط، نوضح أن Info-GAN المقترح حديثاً يسمح بتحسينات كبيرة في تنبؤ مسارات المشاة متعددة الأوضاع لتجنب هذه المشكلات. كما قمنا باستبعاد خسارة L2 في تدريب المولد، على عكس بعض الأعمال السابقة، لأنها تسبب انهيارًا نمطيًا خطيرًا رغم تحقيقها للتقارب السريع.نثبت من خلال التجارب على بيانات حقيقية واصطناعية أن الطريقة المقترحة تقود إلى إنتاج عينات أكثر تنوعًا وحفظ أوضاع التوزيع التنبؤي. وبشكل خاص، لإثبات هذا الادعاء، قمنا بتصميم مجموعة بيانات مثال بسيطة للمسارات يمكن استخدامها لتقييم أداء طرق مختلفة في الحفاظ على أوضاع التوزيع التنبؤي.