本稿では、自己整合性制約（Self-consistent Constraints）を用いたモーション予測のための新規フレームワークであるMISC（Motion forecasting with Self-consistent Constraints）を提案する。モーション予測のタスクは、過去の空間的・時系列的情報を統合することで、車両の将来の軌道を予測することを目的としている。MISCの鍵となる設計として、学習中に空間的および時系列的摂動に対する予測軌道を正則化するための「二重整合性制約（Dual Consistency Constraints）」を提案している。さらに、モーション予測における多様性（multi-modality）を適切にモデル化するため、複数の教師ターゲットを精度良く得ることを可能にする新規な自己アンサンブル（self-ensembling）スキームを設計した。複数の教師ターゲットから得られる明示的な制約により、予測性能が顕著に向上することが観察された。Argoverseモーション予測ベンチマークおよびWaymo Open Motionデータセットにおける広範な実験の結果、MISCは既存の最先端手法を大きく上回る性能を達成した。本研究で提案する戦略は汎用性が高く、他のモーション予測手法への容易な統合が可能であるため、複数の既存手法に対しても、本手法の導入が予測性能の一貫した向上をもたらすことを示した。