规划和预测是自动驾驶中的两个重要模块，近年来取得了显著进展。然而，大多数现有方法将规划和预测视为独立的模块，忽略了它们之间的相关性，导致在交通场景的交互和动态变化方面考虑不足。为了解决这一挑战，我们提出了 InteractionNet（交互网络），该网络利用 Transformer （transformer）在所有交通参与者之间共享全局上下文推理，以捕捉交互并连接规划和预测，实现联合优化。此外，InteractionNet 还部署了另一个 Transformer ，帮助模型更加关注包含关键或未见车辆的感知区域。InteractionNet 在多个基准测试中超越了其他基线方法，特别是在安全性方面表现突出，这得益于对规划和预测的联合考虑。代码将在 https://github.com/fujiawei0724/InteractionNet 上提供。