Diese Arbeit untersucht das Problem der Vorhersage der Verteilung über mehrere mögliche zukünftige Wege, die Menschen in verschiedenen visuellen Szenen nehmen. Wir leisten zwei Hauptbeiträge. Der erste Beitrag ist ein neues Datensatz, der in einem realistischen 3D-Simulator erstellt wurde und auf echten Trajektoriendaten basiert, die anschließend durch menschliche Annotationen zur Erreichung unterschiedlicher latenter Ziele extrapoliert wurden. Dieser Datensatz stellt die erste Benchmark für die quantitative Bewertung von Modellen zur Vorhersage mehrfacher zukünftiger Trajektorien dar. Der zweite Beitrag ist ein neues Modell zur Generierung mehrerer plausibler zukünftiger Trajektorien, das neuartige Ansätze zur Nutzung von multiskaligen Ortskodierungen und konvolutionellen RNNs auf Graphen beinhaltet. Wir bezeichnen unser Modell als Multiverse. Wir zeigen, dass unser Modell sowohl auf unserem Datensatz als auch auf dem realen VIRAT/ActEV-Datensatz (der lediglich eine mögliche Zukunft enthält) die besten Ergebnisse erzielt.