**궤적 예측(Trajectory forecasing)과 결측값 보간(Imputation)**은 인간과 객체의 움직임을 이해하는 데 중요한 단계이다. 그러나 이는 상당히 어려운 문제인데, 그 이유는 시간적 시퀀스에서 미래 궤적과 결측값이 불확실성이 많이 존재하여 시공간적 맥락의 상관관계를 모델링하는 것이 어렵기 때문이다. 그러나 기존 방법론들은 시퀀스 예측과 결측값 보간 간의 연관성을 간과하고 연구를 수행하였다. 이를 위해, 본 연구에서는 궤적 예측 작업과 결측값 보간 작업을 동시에 처리할 수 있는 새로운 모방 기반 비자기회귀 모델링 방법(Imitative non-autoregressive modeling method)을 제안한다. 구체적으로, 제안하는 프레임워크는 모방 학습 패러다임을 채택하여, 재귀적 변분 오토인코더 (RV-VAE)가 시연자(Demonstrator)로, 비자기회귀 변환 모델(NART)가 학습자(Learner)로 포함된다. 두 모델을 동시에 최적화함으로써, RC-VAE는 미래 궤적을 예측하고 시퀀스 내의 시간적 관계를 파악하여 NART 학습자를 감독할 수 있다. 결과적으로, NART는 RC-VAE로부터 학습하고 비자기회귀 전략을 통해 결측값을 보간한다.