في هذه الورقة، نقترح طريقة تُدعى GOHOME، التي تعتمد على تمثيلات الرسم البياني للخرائط عالية الدقة (HD Maps) والمشاريع النادرة (Sparse Projections) لإنتاج مخرجات حرارية (Heatmap) تمثل توزيع احتمالات المواقع المستقبلية لوكيل معين في مشهد مروري. تُنتج هذه المخرجات حرارية تمثيلاً ثنائي الأبعاد غير مقيد لمواقع الاحتمالات المستقبلية للوكيل، مما يسمح بتمثيل متعدد النماذج (Multimodality) بشكل طبيعي وتقديم قياس لدرجة عدم اليقين في التنبؤ. يتجنب نموذجنا القائم على الرسم البياني العبء الحسابي الكبير الناتج عن تمثيل السياق المحيط كصور مربعة ومعالجتها باستخدام الشبكات العصبية التلافيفية التقليدية (CNNs)، بل يركّز بدلاً من ذلك فقط على الطرق الأكثر احتمالاً التي قد ينتهي إليها الوكيل في المستقبل القريب. تحقق GOHOME المركز الثاني في معيار MissRate$_6$6​ ضمن معيار التنبؤ بالحركة في Argoverse، مع تحقيق تسريع كبير وتقليل كبير في استهلاك الذاكرة مقارنة بالطريقة التي حصلت على المركز الأول في Argoverse (HOME). كما نشير إلى أن مخرجات الحرارية تتيح تجميع التنبؤات متعددة النماذج (Multimodal Ensembling)، مما يحسن أداء المركز الأول في معيار MissRate$_6$6​ بمقدار أكثر من 15٪ باستخدام أفضل تجميع لدينا على منصة Argoverse. وأخيراً، نقوم بتقييم أداء الطريقة على مجموعات بيانات التنبؤ بالمسار الأخرى، وهي nuScenes وInteraction، ونحقق أداءً يُعد من أفضل الأداءات الحالية (State-of-the-Art)، مما يُظهر قابلية تعميم طريقة GOHOME بشكل واسع.