GuardAD：基于马尔可夫安全逻辑守护自动驾驶MLLM

多模态大语言模型（MLLM）正日益被集成到自动驾驶（AD）系统中；然而，它们仍然容易受到多样化安全威胁的影响，尤其是在事故高发场景中。近期的防护机制通过引入逻辑约束展现出前景，但大多数依赖静态形式化，缺乏对不断演化的交通交互进行基于时间维度的安全推理，导致在动态驾驶环境中鲁棒性有限。为解决这些局限，我们提出GuardAD，一种与模型无关的防护机制，将自动驾驶安全形式化为不断演化的马尔可夫逻辑状态。GuardAD引入神经-符号逻辑形式化，在异构交通参与者上表示安全谓词，并通过n阶马尔可夫逻辑归纳持续归纳这些谓词。这一设计能够在单步观测之外推断新兴与潜在危害。GuardAD并非简单地否决不安全动作，而是执行逻辑驱动的动作修订，让推断出的安全状态主动引导动作精化，而无需修改底层MLLM。在多个基准与自动驾驶MLLM上的大量实验表明，GuardAD大幅降低事故率（-32.07%），同时小幅提升任务性能（+6.85%）。此外，闭环仿真评估与物理实车研究进一步验证了GuardAD的有效性与潜力。