将自适应转化为资产：在线视觉 - 语言导航的跨域桥接

针对非平稳环境变化下视觉 - 语言导航（VLN）代理面临的挑战，现有测试时自适应方法常导致灾难性遗忘和负迁移。本文提出 IDEA 框架，将自适应转化为资产的积累与组合。该方法引入 Fisher 引导加权的软提示以捕获可迁移知识，并结合域坐标构建动态资产库。通过将目标域投影到历史知识的凸包上，IDEA 构建了跨域桥接，形成互补循环：演进的资产库支持桥接构建，而桥接提供优越初始化以加速优化。实验表明其在多个基准上优于现有方法，实现了基于资产共享的免训练自适应。