تنبؤ مسار المشي هو مهمة أساسية في التطبيقات الروبوتية مثل القيادة الذاتية وتنقل الروبوتات. تعتمد أحدث نماذج التنبؤ بالمسار على مُشفِّر تلقائي شرطي (CVAE) مدعوم بشبكات عصبية متكررة (RNNs) لترميز المسارات المرصودة وفك ترميز المسارات المستقبلية متعددة النماذج. يمكن أن يعاني هذا الإجراء من تراكم الأخطاء على مدى فترات تنبؤ طويلة (≥ ثانيتين). تقدم هذه الورقة طريقة BiTraP، وهي طريقة لتنبؤ بالمسار متعددة النماذج ذات اتجاهين مُشَرَّطة بالهدف، تعتمد على نموذج CVAE. تقوم BiTraP بتقدير الهدف (النقطة النهائية) للمسارات، وتحدد مُفكِّكًا ثنائي الاتجاه جديدًا لتحسين دقة التنبؤ بالمسارات على المدى الطويل. أظهرت التجارب الواسعة أن BiTraP تُعامَل بشكل جيد في كل من السيناريوهات ذات المنظور الشخصي الأول (FPV) والمنظور من الأعلى (BEV)، وتفوق النتائج المتميزة بحوالي 10-50٪. كما نوضح أن الاختيارات المختلفة بين النماذج الهدف غير المعلمية مقابل المعلمية في نموذج CVAE تؤثر مباشرة على توزيعات المسارات المستقبلية متعددة النماذج. تقدم هذه النتائج توجيهات لتصميم نماذج التنبؤ بالمسار في التطبيقات الروبوتية مثل أنظمة تجنب الاصطدام ونظم التوجيه.