ruview

RuView是一个开源WiFi感知平台，通过读取低成本ESP32传感器的信道状态信息（CSI），将无线电反射转化为空间数据和生理数据——无需摄像头、可穿戴设备或云服务。普通WiFi路由器发出无线电波，人体移动、呼吸或静止会扰动这些波，RuView正是测量这些扰动。 根据README所述，其功能包括：存在与占用检测（含穿墙探测、人数统计、出入追踪）、无接触呼吸率（0.1–0.5 Hz带通滤波，6–30 BPM）和心率（0.8–2.0 Hz带通滤波，40–120 BPM）、运动与活动分类、基于相位加速度阈值加消抖和冷却机制的跌倒检测（<200 ms），以及通过自适应P95归一化实现的多人群体计数、约5米的穿墙传感、环境RF指纹识别、睡眠分期伴呼吸暂停筛查，和基于CSI的17关键点姿态估计。 硬件方案价格从免费到约140美元不等。单个ESP32-S3节点约9美元；多节点 Mesh 约54美元；推荐配置额外添加Cognitum Seed，用于持久向量存储、KNN搜索、密码学佐证和MCP代理。ESP32-C6节点（6–10美元）针对Wi-Fi 6和802.15.4研究感知，实测ESP-NOW同步匹配率达99.56%，可在IDF 5.5.2上捕获HE-LTF，但README指出TWT和约5 μA功耗仍需硬件验证。项目还列出了Intel 5300和Atheros AR9580研究网卡，以及Qualcomm和厂商适配计划的测试版支持。普通笔记本仅能提供基于RSSI的粗略存在检测；Docker镜像支持模拟数据运行。 软件以Rust 1.85+ crates、多架构Docker镜像和PyPI包（ruview和wifi-densepose，均为约250KB的PyO3 abi3-py310 wheel，支持Linux、macOS和Windows）形式发布。Home Assistant集成通过MQTT发布器实现，每节点提供21个实体（原始信号及some-one-sleeping、possible-distress、fall-risk-elevated、bathroom-occupied等推断状态），附三个入门Blueprints；Apple Home使用可发现的HAP-1.1桥接；Google Home和Alexa通过同一HA桥接或Matter端点接入。HOMECORE提供本地状态、历史记录、自动化、签名Wasm插件、语音接口和HomeKit支持。一个105模块的边缘目录从注册表加载。独立的npm工具包@ruvnet/ruview提供诊断、指导、只读编码智能体、claim-check、确定性验证和MCP服务器。 该README对模型限制坦诚程度罕见，这对评估至关重要。Hugging Face上的预训练编码器报告82.3%的保留时间三元组准确率，高于原始66.4%——此前"100%存在检测"的数据基于单类别录音得出，已撤回。其4-bit模型仅需8 KB。独立MM-Fi姿态模型报告单模型torso-PCK@20为82.69%（三模型集成加测试时增强后达83.59%），相较MultiFormer（72.25%）和CSI2Pose（68.41%）。相比之下，已部署的设备端pose_v1模型被描述为首次尝试，PCK@20=3.0%远低于其35% ADR目标，运行时路径仍仅为confidence=0的存根。发布的model.safetensors文件头为NUL填充，被参考safetensors加载器拒绝（issue #1522）；量化模型model-q*.bin文件仍缺少兼容读取器。统一RF世界模型准确性标注为合成数据，待真实数据验证。声称的验证工具包括确定性流水线回放（python archive/v1/data/proof/verify.py），通过SHA-256哈希输出，Ed25519见证链，以及报告的1,463项通过测试。 总之，RuView是一个功能强大的边缘感知框架，具备广泛的智能家居集成和丰富的文档，但潜在用户应将实机姿态估计声明视为未经证实，并依靠项目自身的警示说明、基准ADR和复现脚本来评估准确性。