Kamera-Relokalisierung hat verschiedene Anwendungen im autonomen Fahren.Bisherige Modelle zur Kamerapositionsregression berücksichtigen nur ideale Szenarien,in denen Umgebungsstörungen gering sind. Um Herausforderungen bei der Fahrbetriebsumgebung zu bewältigen, die saisonale Veränderungen, Wetterbedingungen, Beleuchtung und die Präsenz von instabilen Objekten umfassen können, schlagen wir RobustLoc vor. Dieses Modell leitet seine Robustheit gegen Störungen aus neuronalen Differentialgleichungen ab. Unser Modell verwendet ein konvolutionsbasiertes neuronales Netzwerk (CNN), um Merkmalskarten aus multiview-Bildern zu extrahieren, einen robusten Modul für die interaktive Diffusion von Informationen durch neuronale Differentialgleichungen sowie einen verzweigten Pose-Dekoder mit mehrschichtigem Training zur Schätzung der Fahrzeugpositionen. Experimente zeigen, dass RobustLoc aktuelle state-of-the-art-Modelle zur Kamerapositionsregression übertrifft und eine robuste Leistung in verschiedenen Umgebungen erzielt. Unser Code ist unter folgendem Link verfügbar: https://github.com/sijieaaa/RobustLoc