Scene compliant spatio-temporal multi-modal multi-agent long-term trajectory forecasting (2021)
Ridel, Daniela Alves; Wolf, Denis Fernando (Orientador) 
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, VEÍCULOS AUTÔNOMOS, CIDADES INTELIGENTES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIDEL, Daniela Alves. Scene compliant spatio-temporal multi-modal multi-agent long-term trajectory forecasting. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08112021-112852/. Acesso em: 19 ago. 2024.APA
Ridel, D. A. (2021). Scene compliant spatio-temporal multi-modal multi-agent long-term trajectory forecasting (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08112021-112852/NLM
Ridel DA. Scene compliant spatio-temporal multi-modal multi-agent long-term trajectory forecasting [Internet]. 2021 ;[citado 2024 ago. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08112021-112852/Vancouver
Ridel DA. Scene compliant spatio-temporal multi-modal multi-agent long-term trajectory forecasting [Internet]. 2021 ;[citado 2024 ago. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08112021-112852/
