Este artículo presenta un nuevo modelo predictivo inspirado en la biología de la navegación visual, inspirado en la navegación de los mamíferos. Este modelo se inspira en tipos específicos de neuronas observadas en el cerebro, a saber, células de lugar, células de rejilla y células de dirección de la cabeza. En el modelo propuesto, las células de lugar son estructuras que almacenan y conectan representaciones locales del entorno explorado, mientras que las células de rejilla y de dirección de la cabeza hacen predicciones basadas en estas representaciones para definir la posición del agente en el marco de referencia de una célula de lugar. Este uso específico de las células de navegación tiene tres ventajas: Primero, las representaciones del entorno son almacenadas por las células de lugar y requieren solo unos pocos descriptores o elementos espacializados, lo que hace que este modelo sea adecuado para la integración de entornos a gran escala (interiores y exteriores). En segundo lugar, los módulos de células de rejilla actúan como un sistema de odometría visual y absoluta eficiente. Finalmente, el modelo proporciona un seguimiento espacial secuencial que puede integrar y rastrear a un agente en entornos redundantes o entornos con muy pocas o ninguna pista distintiva, siendo muy robusto a los cambios ambientales. Este artículo se centra en la formalización de la arquitectura y los principales elementos y propiedades de este modelo. El modelo ha sido validado con éxito en funciones básicas: mapeo, orientación, regreso a casa y búsqueda de atajos. Se demostró que la precisión de la posición estimada del agente y la robustez a los cambios ambientales durante la navegación eran satisfactorias. El modelo predictivo propuesto está destinado a ser utilizado en plataformas autónomas, pero también para ayudar a las personas con discapacidad visual en su movilidad.