**궤적 예측(Trajectory Prediction)**은 다양한 분야에서 널리 연구되어 지고 있으며, 모델 기반 및 비 모델 기반의 방법들이 다양하게 탐구되어지고 있다. 전자는 규칙 기반, 기하하적 또는 최적화 기반 모델을 포함하며, 후자는 주로 딥러닝 접근 방법으로 구성된다. 이 연구에서는 새로운 신경 미분 방정식 모델(Neural Differential Equation Model)을 기반으로 두 가지 방법론을 결합한 새로운 방법을 제안한다. 제안하는 모델인 NSP (Neural Social Physics)는 학습 가능한 파라미터를 가진 명시적인 물리 모델을 사용하는 심층 신경망이다. 명시적인 물리 모델은 보행자 행동을 모델링하는 데 있어 강력한 귀납적 편향(Inductive-bias)를 제공하며, 네트워크의 나머지 부분은 시스템 파라미터 추정과 동적 확률 모델링 측면에서 강력한 데이터 적합 능력을 제공한다.