将适应转化为资产：面向在线视觉语言导航的跨域桥接
机器人学
2026-05-25 v1 计算机视觉与模式识别
摘要
在非平稳环境变化下进行导航是野外部署的视觉语言导航（VLN）智能体面临的关键挑战。然而，现有的测试时间适应（TTA）方法 largely 将在线适应视为瞬时、孤立的更新，导致灾难性遗忘和负迁移。为克服这些问题，我们提出一种新的 TTA 框架——Inter-Domain BridgE with Historical Assets（IDEA），将适应转化为资产的积累与组合。具体而言，IDEA 引入通过 Fisher 引导加权方案优化的软提示，以捕获可迁移的知识。这些优化后的提示随后与域坐标融合，形成动态的资产库。利用该资产库，IDEA 通过将目标域投影到历史知识的凸包上构建跨域桥接。这一设计形成互补的循环：演化中的资产库为桥接构建提供支撑，而桥接则为资产优化提供更优的初始化。广泛的实验在 REVERIE、R2R 和 R2R-CE 数据集上表明，IDEA 在现有方法上持续优于表现，展示了其通过资产共享实现训练无适应能力。
引用
@article{arxiv.2605.23257,
title = {Turning Adaptation into Assets: Cross-Domain Bridging for Online Vision-Language Navigation},
author = {Zixuan Hu and Xuantuo Huang and Yancheng Li and Yichun Hu and Shengyong Xu and Ling-Yu Duan},
journal= {arXiv preprint arXiv:2605.23257},
year = {2026}
}
备注
Accepted by ICML 2026