本文提出了一种新颖的方法，用于预测与其他行人互动的行人的运动。该方法利用生成对抗网络（Generative Adversarial Network, GAN）对场景中的任何代理进行合理的预测采样。由于GAN非常容易出现模式塌陷和模式丢失问题，我们展示了最近提出的Info-GAN在多模态行人轨迹预测中能够显著改善这些问题。此外，与一些先前的研究不同，我们在训练生成器时未使用L2损失，因为尽管L2损失可以加速收敛，但会导致严重的模式塌陷。通过在真实数据和合成数据上的实验，我们证明了所提出的方法能够生成更多样化的样本，并且保留预测分布的模式。特别是为了验证这一观点，我们设计了一个玩具示例轨迹数据集，可用于评估不同方法在保留预测分布模式方面的性能。