動的エージェントの将来の運動を予測することは、自律ロボットの運動計画における安全性確保およびリスク評価において極めて重要である。本研究では、初期軌道提案ネットワークと軌道精緻化ネットワークを段階的に組み合わせた二段階型運動予測手法、R-Predを提案する。この手法は、シーンコンテキストおよび相互作用コンテキストを効果的に活用することを目的としている。初期軌道提案ネットワークは、将来の軌道分布のM個のモードに対応するM本の軌道提案を生成する。その後、軌道精緻化ネットワークが、以下の2つのメカニズムを用いて各M本の提案を強化する：1）チューブクエリによるシーンアテンション（TQSA）、および2）提案レベルの相互作用アテンション（PIA）。TQSAは、関心のある軌道提案の周囲に局所的にプーリングされたシーンコンテキスト特徴を、チューブクエリを用いて集約する。PIAは、近隣エージェントからの距離に基づいて選ばれた複数の軌道提案を用いて、エージェント間の相互作用をモデル化することで、軌道提案の品質をさらに向上させる。ArgoverseおよびnuScenesデータセットを用いた実験の結果、提案する精緻化ネットワークは単段階ベースラインに対して顕著な性能向上を示し、R-Predはベンチマークの一部のカテゴリにおいて最先端（SOTA）の性能を達成した。