在自动驾驶等安全关键系统中，确保系统行为满足安全规范至关重要。然而，由于传感器噪声和部分可观测性，从视觉输入中实时监控安全属性极具挑战。本文提出一种基于视觉的运行时监控框架，能够处理变化的安全规约，同时提供统计保证。
核心思想是利用语义潜在表示——即一组预定义的时态原子的鲁棒性分数——作为监控接口。作者证明，对于由有限时态原子字典生成的任何公式片段，该表示是最小且最优的预测目标：只需一次共形校准即可认证该片段中的所有公式，无需针对每个公式重新训练。这一特性称为可复用性，显著降低了部署成本。
除了语义基础监控器，论文还介绍了滚动预测监控器。后者仅预测当前时刻的谓词值，并在线重建历史信号，因此更易学习。但实验表明，随着预测时域增长，其保守性增加。在行人路口仿真基准上，滚动监控器在短时域（如5步）内提供更紧的认证界，而语义基础监控器在长时域（如20步）上紧度是其4倍。
在真实世界的Waymo驾驶数据集上，两种监控器均经验性地满足了共形覆盖保证，验证了其实用性。该工作为视觉监督下的安全关键系统提供了一种高效、可扩展的验证方案，尤其适用于需要频繁更新规约的自动驾驶场景。未来，研究者计划将该方法扩展到更复杂的时序逻辑和动态环境，进一步提升其通用性。