将适应转化为资产：在线视觉语言导航的跨域桥接

在非平稳环境变化下进行导航对于在野外部署的视觉和语言导航（VLN）代理提出了严峻的挑战。然而，现有的 VLN 测试时适应（TTA）方法在很大程度上将在线适应视为短暂的、孤立的更新，导致灾难性遗忘和负迁移。为了克服这些问题，我们提出了具有历史资产的跨域桥接（IDEA），这是一种新颖的 TTA 框架，可将适应转化为资产的积累和组合。具体来说，IDEA 引入了通过 Fisher 引导的加权方案优化的软提示，以捕获可转移的知识。然后使用域坐标来增强这些优化的提示，以形成动态资源库。利用这个库，IDEA通过将目标域投影到历史知识的凸包上来构建跨域桥梁。这些设计形成了一个互补的循环：不断发展的库支撑桥梁建设，而桥梁提供卓越的初始化以加速资产优化。 REVERIE、R2R 和 R2R-CE 基准测试的广泛实验证明了 IDEA 相对于现有方法的一贯优越性，展示了其通过资产共享实现 无需训练 适应的能力。