周囲の車両の将来の運動を正確に予測するには、運転行動に内在する不確実性を考慮した推論が必要である。この不確実性は、概ね横方向（例：車線維持、曲がり）と縦方向（例：加速、減速）に分離して扱うことができる。本研究では、学習された離散的ポリシーのロールアウトと、レーングラフの部分集合に焦点を当てたデコーダーを組み合わせる新しい手法を提案する。ポリシーのロールアウトにより、現在の観測に基づいて異なる目標を探索することで、モデルが横方向の変動性を適切に捉えることが保証される。一方、縦方向の変動性は、レーングラフのさまざまな部分集合を条件として用いる潜在変数モデルデコーダーによって表現される。本モデルはnuScenes運動予測データセットにおいて最先端の性能を達成し、定性的に優れたシーン整合性を示している。詳細な消去実験により、ポリシーのロールアウトおよびデコーダーのアーキテクチャの重要性が明確に示された。