La rélocalisation de caméra trouve diverses applications dans la conduite autonome. Les modèles précédents de régression de la position de la caméra ne prennent en compte que des scénarios idéaux où les perturbations environnementales sont minimes. Pour faire face aux environnements de conduite difficiles qui peuvent présenter des changements de saisons, de météo, d'éclairage et la présence d'objets instables, nous proposons RobustLoc, un modèle dont la robustesse face aux perturbations provient des équations différentielles neuronales. Notre modèle utilise un réseau neuronal convolutif pour extraire des cartes de caractéristiques à partir d'images multivues, un module de diffusion robuste basé sur une équation différentielle neurale pour diffuser l'information de manière interactive, et un décodeur de position à branches multiples avec une formation multicouche pour estimer les positions du véhicule. Les expériences montrent que RobustLoc dépasse les modèles actuels de régression de la position de la caméra et atteint une performance robuste dans divers environnements. Notre code est disponible à l'adresse suivante : https://github.com/sijieaaa/RobustLoc