إن التفكير في الحركة البشرية يُعد شرطًا أساسيًا لضمان التنقل الآمن والواعي اجتماعيًا للروبوتات. ونتيجة لذلك، أصبح تنبؤ سلوك العناصر المتعددة (multi-agent behavior prediction) عنصرًا أساسيًا في الأنظمة الحديثة التفاعلية بين الإنسان والروبوت، مثل السيارات ذاتية القيادة. وعلى الرغم من وجود العديد من الأساليب لتنبؤ المسارات، إلا أن معظمها لا يفرض قيودًا ديناميكية ولا يأخذ في الاعتبار المعلومات البيئية (مثل الخرائط). وبهدف معالجة هذه الفجوة، نقدّم نموذج "Trajectron++"، وهو نموذج متسلسل مبني على هيكل رسم بياني، يتميز بالقدرة على التنبؤ بمسارات عدد عام من العناصر المتنوعة، مع دمج الديناميات الخاصة بالعناصر والبيانات المتنوعة (مثل الخرائط الدلالية). تم تصميم "Trajectron++" لتتكامل بشكل وثيق مع أطر التخطيط والتحكم الروبوتية؛ فعلى سبيل المثال، يمكنه إنتاج تنبؤات يمكن أن تكون مشروطة بخطط حركة العنصر المركزي (ego-agent). ونُظهر أداءه على عدة مجموعات بيانات واقعية صعبة في تنبؤ المسارات، حيث تفوق مجموعة واسعة من الأساليب الحديثة المتميزة، سواء في التنبؤات المحددة أو التوليدية.