أظهرت النماذج القائمة على الهدف مؤخرًا فعالية كبيرة في توقع مسارات البشر، بشرط توفير تقديرات كافية للهدف. ومع ذلك، فإن استخلاص الهدف يُعدّ أمرًا معقدًا بحد ذاته، وغالبًا ما يتطلب جهود تعلّم إضافية. نقترح توقع مسارات المشاة من خلال توجيه خبرة الهدف، والتي يمكن الحصول عليها بتكلفة منخفضة نسبيًا من خلال آلية بحث جديدة للهدف تُطبّق على أمثلة التدريب التي تم رؤيتها سابقًا. تتمثل المساهمات الثلاث الرئيسية في دراستنا في الآتي: أولاً، نُصمم إطارًا يُستخدَم فيه أقرب الأمثلة لاستقصاء مواقع الهدف عالية الجودة. ويُعد هذا النهج منطقيًا في أخذ التعددية (multi-modality) بعين الاعتبار، كما يراعي القيود الفيزيائية، ويتوافق مع الطرق الحالية، ويكون خاليًا من النموذج (model-free)، وبالتالي لا يتطلب جهود تعلّم إضافية، وهي صفة شائعة في استخلاص الهدف. ثانيًا، نقدّم مُحدّدًا لمسارات المشاة يعمل بشكل منتهٍ (end-to-end) ويستطيع ربط استرجاع الأهداف بمعلومات الحركة السابقة بكفاءة، واستخلاص المسارات المستقبلية الممكنة ديناميكيًا. ثالثًا، وباستخدام هاتين التقنيتين الجديدتين، نُجري سلسلة من التجارب على مجموعتي بيانات شائعتين جدًا (SDD وETH/UCY)، ونُظهر أن نهجنا يتفوّق على الأداء الأفضل المُحقَّق سابقًا بفارق ملحوظ، ويقلّل من الحاجة إلى معلمات إضافية.