Das vorgeschlagene Sequential Neural Variational Agent (SeNeVA)-Modell beschreibt die Verteilung zukünftiger Trajektorien eines einzelnen bewegten Objekts, indem es Unsicherheiten quantifiziert und verschiedene Intentionen unterscheidet.
Das vorgeschlagene Modell ist in der Lage, die komplexen Interaktionen zwischen Verkehrsteilnehmern und der Umgebung zu erfassen und die multimodale Natur der Daten genau zu lernen. Durch den Einbau von Differentialbeschränkungen kann das Modell eine vielfältige Reihe realistischer zukünftiger Trajektorien erzeugen.