该论文旨在解决在复杂环境下实现鲁棒的6自由度(6DoF)定位问题。研究背景是：现有的基于距离场(distance field)的定位方法通常存在内存效率低、边界伪影(boundary artifacts)或梯度不连续等问题，这限制了它们在资源受限平台（如仅使用CPU）上的实时应用，尤其是在里程计(odometry)退化或缺乏惯性测量单元(IMU)先验信息的挑战性场景中。
论文提出了一个名为G-EDF-Loc的框架，其核心是使用一种新颖的连续3D距离场表示——G-EDF。具体方法包括：
- 采用基于CPU的直接扫描到地图配准(scan-to-map registration)流程。
- 使用具有自适应空间分区(adaptive spatial partitioning)的块稀疏高斯混合模型(Block-Sparse Gaussian Mixture Model)来建模欧几里得距离场(Euclidean Distance Field, EDF)。
- 该模型确保了跨块过渡的C1连续性(C1 continuity)，从而减轻了边界伪影。
- 利用该连续地图的解析梯度(analytical gradients)进行配准，这些梯度保持了Eikonal一致性(Eikonal consistency)。
论文的核心创新点在于提出了G-EDF这一新颖的3D地图表示方法，其独特之处在于：
- **连续且内存高效的3D距离场**：与传统的离散体素(voxel)表示或需要大量内存的连续表示（如神经隐式场(neural implicit fields)）不同，G-EDF通过块稀疏高斯混合模型实现了连续、可微且内存高效的表示。
- **缓解边界伪影的C1连续性**：通过自适应分区和模型设计，确保了距离场在块边界处的平滑过渡（C1连续），这是许多现有基于块(block-based)的方法所不具备的，从而提高了配准的鲁棒性和精度。
- **保持Eikonal一致性的解析梯度**：模型直接提供了满足Eikonal方程性质的解析梯度，这为基于梯度的优化提供了更准确的方向信息，是实现鲁棒、高精度直接配准的关键。
- **在严苛条件下的鲁棒性**：整个框架设计为不依赖IMU，且能在严重里程计退化的情况下保持竞争力，这比许多依赖传感器融合或强运动先验的现有方法更具普适性和鲁棒性。
论文对该领域的总体贡献包括：
- 提出了一种新的、实用的连续3D距离场表示（G-EDF），它平衡了内存效率、连续性和计算可行性。
- 基于G-EDF，构建了一个完整的、仅需CPU的实时6DoF定位系统（G-EDF-Loc），证明了该表示在实际定位任务中的有效性。
- 通过在大规模数据集上的实验，验证了该方法在定位精度和鲁棒性上可与最先进(state-of-the-art)方法竞争，特别是在传感器信息受限或退化的极端场景下表现出卓越的韧性(resilience)，为鲁棒SLAM/Localization提供了新的技术路径。