부분적인 관찰로부터 장면이 어떻게 진화할지 예측하려면 단일 궤적(trajectory)을 확정하기보다는 가능한 여러 미래에 대해 추론해야 합니다. 기존의 접근 방식들은 외형(appearance)이 지배적인 비디오 예측을 생성하거나, 가능한 움직임의 분포를 명시적으로 모델링하지 않은 채 적은 수의 궤적만을 샘플링합니다. 우리는 이미지와 선택적인 시공간적 희소 제약 조건(spatio-temporally sparse constraints)이 주어졌을 때, 가능한 미래들에 대한 분포의 구조화된 시공간적 잠재 표현(spatio-temporal latent representation)을 학습하는 장면 운동학(scene kinematics)의 확률적 모델인 GARFIELD(Goal-Aware Representations of Future kInEmatic Latent Distributions)를 소개합니다. 동일한 잠재 표현을 통해 모든 궤적의 공동 샘플링(joint sampling)이 가능하며, 효율적인 결정론적 밀도 디코더(deterministic density decoder)를 통해 기저의 움직임 분포에 직접 접근할 수 있습니다. 그 결과, 미래 움직임에 대한 불확실성을 특정 장면 요소와 타임스텝(timesteps)으로 국소화할 수 있으며, 추가적인 제약 조건을 통해 점진적으로 정교화할 수 있습니다. 실험 결과, 본 방법론은 대규모 비디오 생성 모델과 경쟁할 만한 강력한 모션 플래닝(motion planning) 성능을 보여주는 동시에 궤적을 $97 imes$ 더 빠르게 샘플링합니다. 또한 우리의 방법은 모션 생성 모델의 몬테카를로 샘플링(Monte-Carlo sampling)보다 2단계(two orders of magnitude) 더 빠르게 움직임 밀도를 추정하여, 상호작용 가능한 탐색과 불확실성을 고려한 플래닝(uncertainty-aware planning)을 가능하게 합니다.