RuView：用 WiFi 信号「看穿」墙壁的空间智能平台

项目概览

RuView（ruvnet/RuView）是一个将普通 WiFi 信号转化为实时空间智能的开源平台，通过 Channel State Information（CSI）分析，无需摄像头即可检测人员、监测呼吸心率、追踪动作和感知环境。⭐ 55,062 | 更新时间：2026-05-14

核心问题与解决思路

传统的空间感知依赖摄像头或可穿戴设备，存在隐私侵犯、覆盖盲区和佩戴负担等问题。RuView 另辟蹊径：利用 WiFi 信号固有的物理传播特性——人在空间中移动、呼吸或静坐时都会扰动周围的 WiFi 电磁波，这些扰动可以被 CSI 捕捉并转化为可分析的数据。

关键技术路径：

• 低成本硬件：ESP32 传感器节点（单节点低至 $9），组成 mesh 网络
• Spike Neural Networks：环境自适应学习，<30 秒完成初始化
• 多频段 mesh 扫描：跨 6 个 WiFi 信道扫描，将邻居路由器作为「免费雷达照射源」
• 密码学见证：Ed25519 见证链确保每条测量数据的不可篡改性
• 边缘运行：Cognitum Seed 提供持久存储和 AI 集成，全部本地处理，无需云端

架构与关键机制

RuView 的感知能力建立在以下核心模块之上：

WiFlow 姿态估计

将 17 个 COCO 关键点姿态估计完全基于 WiFi 信号实现，训练过程不依赖任何摄像头数据。10 个传感器信号即可输出人体姿态，服务于跌倒检测、手势识别等场景。

存在检测与计数

通过 CSI 相位/幅度变化判断空间中是否有人、具体人数及进出事件。支持穿透墙壁检测，适用于家庭隐私监控或工业场景的无人值守感知。

生命体征监测

非接触式呼吸率和心率监测，基于胸腔起伏导致的 CSI 扰动。适用于睡眠质量评估（睡眠分期分类、呼吸暂停筛查）和静坐/卧床人员的健康监护。

环境映射

RF 指纹识别可辨识房间、检测家具移位和新增物体。系统通过多节点协同提升空间分辨率，单节点部署精度有限，建议使用 2+ 节点或配合 Cognitum Seed 获得最佳效果。

安装与最小示例

RuView 基于 ESP32 传感器 mesh + Cognitum Seed 运行，软件栈克隆后需参照 docs/ 完成固件烧录与网络配置：

git clone https://github.com/ruvnet/RuView.git
cd RuView
# 参照 docs/ 进行传感器配网和 Cognitum Seed 配置

项目当前为 Beta 阶段，API 和固件可能变更。已知限制：

• ESP32-C3 和初代 ESP32 不支持（单核无法满足 CSI DSP 算力需求）
• 单节点部署空间分辨率有限
• 无摄像头基准训练的 PCK@20 约为 2.5%，camera-supervised 训练（ADR-079）Pipeline 已实现但尚未发布实测数据

适用场景与优势

适用场景：

• 家庭隐私敏感场景的跌倒检测和老人监护
• 工业无人值守空间的人员存在检测
• 睡眠质量和生命体征长期监测
• 穿透墙壁的周界安防

优势：

• 无摄像头，隐私友好
• 极低成本：ESP32 mesh 可低至 $9/节点
• 完全边缘运行，无需网络连接
• 多模态感知：存在+体征+姿态+环境，一套硬件全覆盖

边界：

• 精度受限于 WiFi 信号质量和节点数量
• 心率/呼吸精度不及医疗级设备
• 复杂多人场景的分辨能力有限

总结

RuView 代表了一种新兴的感知范式——将无处不在的 WiFi 信号作为「免费传感器」，配合边缘 AI 实现隐私友好的智能空间感知。对于希望在不开设摄像头的前提下实现人员检测和健康监测的开发者而言，这是一个值得关注的技术方向。项目仍处于活跃开发中，贡献和问题反馈均欢迎通过 GitHub Issues 提出。