准确预测周边车辆未来的运动轨迹，需要对驾驶行为中的固有不确定性进行推理。这种不确定性可大致分解为横向（如保持车道、变道）和纵向（如加速、制动）两个方面。本文提出一种新方法，将学习得到的离散策略轨迹（policy rollouts）与针对车道图子集的聚焦解码器相结合。策略轨迹基于当前观测探索多种可能的目标，从而确保模型能够捕捉横向行为的多样性；而纵向行为的变异性则通过一个基于车道图不同子集条件化的潜在变量模型解码器来建模。该模型在nuScenes运动预测数据集上取得了当前最优的性能表现，并在定性评估中展现出优异的场景一致性。详细的消融实验进一步验证了策略轨迹与解码器架构的重要性。