إعادة تحديد موقع الكاميرا لها تطبيقات متنوعة في القيادة الذاتية. النماذج السابقة لتقدير وضع الكاميرا كانت تأخذ بعين الاعتبار السيناريوهات المثالية فقط، حيث تكون الاضطرابات البيئية قليلة. للتعامل مع بيئات القيادة الصعبة التي قد تتضمن تغير الفصول والطقس والإضاءة وجود أشياء غير مستقرة، نقترح نظام RobustLoc، الذي يستمد متانته ضد الاضطرابات من المعادلات التفاضلية العصبية. يعتمد نموذجنا على استخدام شبكة عصبية تقنية التعلم العميق المتكررة (الشبكة العصبية الشمولية) لاستخراج خرائط الميزات من صور متعددة الزوايا، ووحدة انتشار معادلة تفاضلية عصبية متينة لانتشار المعلومات بشكل تفاعلي، ومحودد وضع فرعي مدرب على عدة طبقات لتقدير وضعيات المركبة. تظهر التجارب أن RobustLoc يتفوق على النماذج الحالية الأكثر تقدماً في تقدير وضع الكاميرا ويحقق أداءً متيناً في بيئات متنوعة. تم إصدار شفرتنا المصدر في:https://github.com/sijieaaa/RobustLoc