该文综述多智能体轨迹预测研究，涵盖FFINet、SIMF、FJMP等模型，结合历史与未来交互、语义意图及动态贝叶斯网络提升预测精度，并探讨可信评估框架与可解释性，在交通、行人等场景优于现有方法。

本文介绍了CASPNet++系统，通过增强交互建模和场景理解，使用时空网格模拟未来占用情况，提供多模态轨迹来支持场景中所有道路用户的联合预测。经过定量和定性分析，证明了CASPNet++模型在各种环境输入源上的高性能和可扩展性。