本稿では、社会的シーンの画像および過去の軌道情報をもとに、現実世界における移動エージェントの将来の軌道分布を予測することを目的とする。しかしながら、この課題は困難である。なぜなら、真の分布は未知であり観測不可能であり、モデル学習の教師信号として利用可能なのはそのサンプルの一つに限られるため、偏りが生じやすいからである。近年の多くの研究では、真の分布のすべてのモードをカバーするため、多様な軌道を予測することに注力しているが、その結果、精度を軽視し、現実的でない予測に過剰に信頼を寄せてしまう傾向がある。この問題に対処するため、本研究では、占有グリッドマップ（occupancy grid maps）を真の分布に対する明示的かつシーンに適合した近似として用い、対称交差エントロピー（symmetric cross-entropy）を用いて分布を学習する。これにより、非現実的な予測に対して効果的にペナルティを課すことができる。具体的には、逆強化学習（inverse reinforcement learning）に基づくマルチモーダル軌道分布予測フレームワークを提案する。このフレームワークは、エンド・ツー・エンドの学習により、近似価値反復ネットワーク（approximate value iteration network）を用いて計画を学習する。さらに、予測された分布に基づき、微分可能なTransformerベースのネットワークを用いて代表的な軌道の少数を生成する。このネットワークのアテンション機構により、軌道間の関係性を効果的にモデル化できる。実験の結果、本手法はStanford Drone DatasetおよびIntersection Drone Datasetにおいて、既存手法を上回る最先端の性能を達成した。