ruview

RuView es una plataforma de detección WiFi de código abierto que lee la Información de Estado del Canal (CSI) de sensores ESP32 de bajo costo y convierte los reflejos de radio en datos espaciales y fisiológicos — sin necesidad de cámaras, wearables o servicios en la nube. Los routers WiFi ordinarios llenan un espacio con ondas de radio; las personas que se mueven, respiran o permanecen quietas perturban esas ondas, y RuView mide esas perturbaciones. Lo que informa, según el README: presencia y ocupación (incluyendo detección a través de paredes, conteo y seguimiento de entrada/salida), tasa de respiración sin contacto (banda pasante de 0.1–0.5 Hz sobre fase envuelta, 6–30 BPM) y frecuencia cardíaca (banda pasante de 0.8–2.0 Hz, 40–120 BPM), clasificación de movimiento y actividad, y detección de caídas con un umbral de fase-aceleración más rebote y enfriamiento (menos de 200 ms). También afirma conteo de múltiples personas mediante normalización adaptativa P95, detección a través de paredes hasta aproximadamente 5 m dependiendo de la señal, huella digital de RF ambiental, estadificación del sueño con detección de apnea y estimación de postura de 17 puntos clave a partir de CSI. Las rutas de hardware van desde gratuito hasta alrededor de $140. Un nodo ESP32-S3 individual cuesta aproximadamente $9; una malla de varios nodos alrededor de $54; la configuración recomendada agrega un Cognitum Seed para almacenamiento vectorial persistente, búsqueda kNN, attestación criptográfica y proxy MCP. Un nodo ESP32-C6 ($6–10) se dirige a la detección de investigación Wi‑Fi 6 y 802.15.4, con un 99.56% medido de coincidencia de sincronización ESP‑NOW y captura HE‑LTF en IDF 5.5.2, aunque el README indica que la operación TWT y ~5 µA aún necesitan validación de hardware. También se listan las NICs de investigación Intel 5300 y Atheros AR9580, además de los programas beta de Qualcomm y adaptadores de proveedor. Las laptops ordinarias proporcionan presencia gruesa basada solo en RSSI; la imagen de Docker se ejecuta con datos simulados. El software se distribuye como crates de Rust 1.85+, imágenes Docker multi‑arquitectura y paquetes PyPI (ruview y wifi-densepose, la misma rueda PyO3 abi3-py310 de ~250 KB para Linux, macOS y Windows). La integración con Home Assistant se entrega mediante un publicador MQTT con 21 entidades por nodo (señales crudas más estados inferidos como someone-sleeping, possible-distress, fall-risk-elevated, bathroom-occupied) y tres planos iniciales; Apple Home utiliza un puente HAP-1.1 detectable, y Google Home y Alexa funcionan a través del mismo puente HA o un extremo Matter. HOMECORE proporciona estado local, historial, automatizaciones, plugins Wasm firmados, ganchos de voz y soporte HomeKit. Un catálogo de periferia de 105 módulos se carga desde un registro. Un metaharnés npm separado, @ruvnet/ruview, ofrece doctor, orientación, agentes de codificación solo lectura, verificación de reclamos, verificación determinista y un servidor MCP. El README es inusualmente franco acerca de los límites del modelo, y eso importa para la evaluación. El codificador preentrenado en Hugging Face informa una precisión de triplet temporal fuera de muestra del 82.3%, frente al 66.4% bruto — la cifra anterior de "100% presencia" se midió en una grabación de una sola clase y ha sido retractada. Su compilación de 4 bits cabe en 8 KB. El modelo de postura MM‑Fi separado informa un 82.69% de torso‑PCK@20 para un modelo único (83.59% con un ensemble de tres modelos más aumento de tiempo de prueba), comparado por el proyecto con MultiFormer (72.25%) y CSI2Pose (68.41%). En contraste, el modelo pose_v1 comprometido en‑dispositivo se describe como un primer corte con PCK@20 = 3.0%, muy por debajo de su propio objetivo ADR del 35%, con una ruta de tiempo de ejecución que todavía es un stub de confianza=0. El encabezado del archivo model.safetensors publicado está relleno con NUL y es rechazado por el cargador de referencia safetensors (issue #1522); los archivos model‑q*.bin cuantizados aún carecen de un lector compatible. La precisión del modelo mundial unificado de RF se indica que es sintética hasta la validación con datos reales. Las herramientas de verificación reclamadas incluyen una reproducción determinista de la tubería (python archive/v1/data/proof/verify.py) que tiene el hash de la salida frente a un SHA‑256 publicado, una cadena de testigo Ed25519 y se reportan 1,463 pruebas aprobadas. En resumen, RuView es un marco sustancial de detección en periferia con amplia integración para hogares inteligentes y documentación extensa, pero los usuarios potenciales deben tratar las afirmaciones de postura en‑dispositivo en tiempo real como no probadas y confiar en las propias advertencias del proyecto, los ADR de referencia y los scripts de reproducción al juzgar la precisión.