يتحرك البشر في البيئات المعقدة والموحشة وفقًا للتقاليد الاجتماعية: حيث يحترمون المساحة الشخصية، ويُقدّمون الأولوية للمرور، ويفادون التصادم. في عملنا، نقترح نهجًا يعتمد على البيانات لتعلم تفاعلات الإنسان مع الإنسان بهدف التنبؤ بمساراتهم المستقبلية. يختلف هذا النهج عن الطرق التقليدية التي تعتمد على دوال مصممة يدويًا مثل القوى الاجتماعية. نقدّم نموذجًا جديدًا يعتمد على الذاكرة القصيرة والطويلة (LSTM) يُنَظِّر بشكل مشترك بين عدة أفراد في المشهد. على عكس الـ LSTM التقليدية، نُشَارِك المعلومات بين عدة نماذج LSTM من خلال طبقة تجميع جديدة. حيث تقوم هذه الطبقة بتجميع التمثيل الخفي من نماذج الـ LSTM المقابلة للمسارات المجاورة لالتقاط التفاعلات داخل هذا الجوار. ونُظهِر أداءً نموذجنا على عدة مجموعات بيانات عامة. ويتفوّق نموذجنا على الطرق السابقة للتنبؤ بنسبة تزيد عن 42٪. كما نحلّل المسارات التي تنبأ بها نموذجنا لتوضيح سلوكيات اجتماعية مثل تجنّب التصادم والحركة الجماعية، والتي تعلّمها نموذجنا.