GuardAD：通过马尔可夫安全逻辑保障自动驾驶多模态大模型的安全

多模态大模型（MLLMs）正日益集成于自动驾驶系统，但在事故易发场景中仍面临多种安全威胁。现有防护机制多依赖静态逻辑约束，缺乏对动态交通交互的时序安全推理能力。为此，本文提出 GuardAD，一种与模型无关的安全防护框架，将自动驾驶安全建模为演化的马尔可夫逻辑状态。该方法引入神经符号逻辑形式化，通过 n 阶马尔可夫逻辑归纳持续推导异构交通参与者的安全谓词，从而识别潜在隐患。GuardAD 不仅拦截不安全行为，更通过逻辑驱动的行动修正主动优化决策，无需修改底层 MLLM。实验表明，该方法显著降低事故率并提升任务性能。