최근 몇 년 동안 궤적 예측(Trajectory prediction) 과제는 상당히 많은 관심을 받고 있는 주제이고 상당한 발전을 이뤄내고 있는 중이다. 대부분의 연구는 항상 각 비디오 데이터가 객체 검출 및 추적 알고리즘을 통해서 완벽하게 전처리가 되어있다는 가정을 기반으로 진행하기 때문에 항상 모든 궤적이 완벽히 존재하는 상황에서 연구를 수행하였다. 그러나, 실세계의 데이터는, 이미지의 해상도나 다른 객체와 겹치는 문제 등으로 인해 종종 미검출(miss-detection)이 된 불완전한 궤적을 포함하고 있다. 본 연구에서는, 미검출로 발생한 불완전 데이터로부터 궤적 예측을 수행한다. 두 개의 블록으로 구성된 RNN 모델을 통해 베이지안 필터링 프레임워크의 추론 단계를 근사하고, 미검출이 발생했을 때 hidden state의 최적 추정을 수행하고자 한다. 이 모델은 탐지(detection) 결과에 따라 두 개의 RNN을 사용한다. 하나의 RNN은 탐지를 성공하였을 때 새로운 measurement를 사용하여 베이지안 필터의 추론 단계를 근사하고, 다른 RNN은 탐지를 실패했을 때 이를 근사하다.