Variational Auto-Encoder（VAE）をベースとして、Recurrent Conditional VAE（RC-VAE）を構築、学習にはNon-AutoRegressive Transformation model（NART）を採用、RC-VAEは動線予測を実行することで、時間関係の文脈を把握できるようにNARTを学習することができる。２つのモデルは同時最適化される。

Basketball Tracking Dataset, PEMS-SF Traffic Dataset, Billiards Ball Trajectory Datasetと３種類のデータセットを適用した。提案手法はC-LSTM [10]/NAOMI [28]などと比較しても性能が高いことを実証した。

動線予測は不確実になりがちであるが、欠損値を推定しながらの学習により把握できていること/できていないことをモデルに取り入れることに成功。