ADAPT: Action-aware Driving Caption Transformer 是清华AI Industry Research(AIR 团队)在ICRA 2023发表的一篇自动驾驶领域的文章。
本文提出了一个基于Transformer端到端的框架，能够对于输入的自动驾驶场景流提供比较友好的自然语言描述，以及对自动驾驶车辆控制和行动的推理。ADAPT通过共享输入视频的表达，联合训练驾驶场景描述任务和车辆控制预测任务。