人間が複数存在する社会的相互作用を伴う環境におけるトラジェクトリ予測は、自動運転車やソーシャルロボットなどの自律ナビゲーションにおいて極めて重要である。本研究では、柔軟な人間のトラジェクトリ予測を実現するため、予測終点条件付きネットワーク（Predicted Endpoint Conditioned Network, PECNet）を提案する。PECNetは、遠方のトラジェクトリ終点を推定することで、長距離にわたるマルチモーダルなトラジェクトリ予測を支援する。また、新たな非局所的社会プーリング層を導入することで、多様かつ社会的に整合性のあるトラジェクトリを推定可能となる。さらに、少数サンプルにおけるマルチモーダル予測性能を向上させるシンプルな「トリンケーション・トリック（truncation-trick）」を提案する。実験結果から、PECNetはスタンフォードドローントラジェクトリ予測ベンチマークにおいて既存の最良手法を約20.9%向上させ、ETH/UCYベンチマークでは約40.8%の性能向上を達成した。プロジェクトのホームページ：https://karttikeya.github.io/publication/htf/