La auto-localización juega un papel crucial en un marco de navegación autónoma, especialmente en un entorno sin GNSS/radio. En la actualidad, la auto-localización para agentes artificiales todavía tiene que recurrir a las tecnologías visuales y láser en el marco de las redes neuronales profundas, las cuales no pueden modelar los entornos de manera efectiva, especialmente en algunas escenas dinámicas y complejas. En cambio, los investigadores han intentado trasplantar el principio de navegación de los mamíferos al campo de la inteligencia artificial (IA). Como un tipo de neurona mamífera, se cree que las células de cuadrícula proporcionan una métrica espacial independiente del contexto y actualizan la representación de la auto-localización. Al explotar el mecanismo de las células de cuadrícula, adoptamos el modelo de interferencia oscilatoria para la codificación de la ubicación. Además, en el proceso de decodificación de la ubicación, la capacidad de navegación autónoma se amplía a un rango significativamente amplio sin ambigüedad de fase, basado en un mecanismo de representación periódica multi-escala respaldado por un algoritmo de desenrollado de fase paso a paso. En comparación con los métodos anteriores, la auto-localización tipo cuadrícula propuesta puede lograr un rango espacial mucho más amplio sin la limitación impuesta por las escalas espaciales de las células de cuadrícula. También es capaz de suprimir eficientemente el ruido de fase. El método propuesto se valida mediante resultados de simulación.