تنبؤ سلوك الكيانات المتحركة في المستقبل أمر ضروري لتطبيقات العالم الحقيقي. ويُعد هذا التحدي صعبًا لأن النية التي يسعى إليها الكيان والسلوك المُتَوقَّع له غير معروفين، وله طبيعة متعددة الأوجه بشكل أساسي. إن رؤيتنا الأساسية هي أن التنبؤ ضمن نطاق زمني معتدل يمكن أن يُمكّن من التقاط الحالات المستقبلية الفعّالة من خلال مجموعة من الحالات الهدف. وهذا يقودنا إلى إطارنا المُسمى "التنبؤ بالمسار المُوجه بالأهداف" (TNT). يتكوّن إطار TNT من ثلاث مراحل يتم تدريبها بشكل متكامل (end-to-end). أولاً، يقوم بتنبؤ بالحالات الهدف المحتملة للوكيل بعد $T$T خطوات في المستقبل، وذلك من خلال تشفير تفاعله مع البيئة والكائنات الأخرى. ثم يُولِّد إطار TNT تسلسلات من الحالات المسارية بشروط مُحددة بالأهداف. وفي المرحلة الأخيرة، يُقدّر احتمالية المسار، ويُختار مجموعة مختصرة ونهائية من تنبؤات المسارات. ويختلف هذا عن الأبحاث السابقة التي نمذجت نوايا الكيانات كمتغيرات خفية، واعتمدت على عينات أثناء الاختبار لتكوين مسارات متنوعة. وقد قمنا باختبار إطار TNT في تنبؤ مسارات المركبات والمشاة، حيث تفوقنا على أفضل النماذج الحالية في مجموعات بيانات Argoverse Forecasting، INTERACTION، Stanford Drone، بالإضافة إلى مجموعة بيانات داخلية لمشاة في تقاطعات الطرق.