多くのマルチエージェント空間時間システムにおいて、エージェントは共有されかつ観測されない変数（例えば、バスケットボールの試合でチームが実行しているプレー）の影響下で動作します。その結果、各タイムステップでのエージェントの軌道はしばしば統計的に依存しています。しかし、几乎所有のマルチエージェントモデルは、各タイムステップでのエージェントの軌道が統計的に独立であると暗黙のうちに仮定しています。本論文では、協調的なエージェントを効果的にモデリングできる多エージェントトランスフォーマーであるballer2vec++を導入します。具体的には、baller2vec++は位置と「先読み」軌道シーケンスの混合に対して特別に設計された自己注意マスクを適用し、統計的に依存するエージェント軌道の分布を学習します。我々は示しますが、baller2vec（baller2vec++の前身）とは異なり、baller2vec++はシミュレーションされたおもちゃデータセットにおいて完全に協調したエージェントの行動を模倣する能力を学習することができます。さらに、プロバスケットボール選手の軌道をモデリングする際には、baller2vec++がballer2vecよりも大幅に優れた性能を発揮することを示しています。