RuView：用 WiFi 信号穿透墙壁感知人体

ruvnet/RuView 在 GitHub 上已经拿到 75.6K Star 了。

这个项目做了一件听起来像科幻的事：用普通的 WiFi 信号检测房间里有没有人、人在做什么、呼吸和心率是多少。不需要摄像头，不需要穿戴设备，只需要一个 9 美元的 ESP32 开发板。

1、 这玩意儿是干嘛的

一句话：把 WiFi 信号变成空间感知系统。

你家里的路由器每时每刻都在发射无线电波。当人在房间里走动、呼吸、甚至坐着不动，身体都会对这些电波产生可测量的扰动。RuView 捕捉这些扰动，通过 Channel State Information（CSI）把原始射频数据转换成有意义的信息。

它能感知什么：

• 人体存在和占用状态，穿墙检测，人数统计，进出追踪
• 呼吸频率和心率，非接触式，睡觉或坐着都能测
• 行为识别，走路、坐下、手势、跌倒
• 环境映射，射频指纹识别房间，检测家具移动和新增物体
• 睡眠质量，整夜监测，睡眠分期和呼吸暂停筛查

2、 为什么不用摄像头

做安防、做养老看护、做智能家居，传统方案绕不开摄像头。但摄像头有三个硬伤：隐私争议、光线依赖、安装成本。

RuView 走了另一条路。WiFi 信号能穿透普通墙壁，不受光照影响，人眼完全不可见。一个 ESP32 板子接上电源就能工作，不需要布线，不需要镜头对准，不需要人在可视范围内。

系统在本地学习环境特征，使用脉冲神经网络，30 秒内完成自适应。通过 6 个 WiFi 频道的多频 mesh 扫描，甚至能利用邻居路由器的信号作为免费雷达照射源。所有测量数据通过 Ed25519 见证链进行密码学认证。

3、 硬件方案

硬件门槛很低：

最便宜的方案是 ESP32-S3，单个节点成本 9 美元。3 到 6 个节点组成 mesh 网络，加上一个普通路由器，总成本 54 美元左右，就能实现完整的 CSI 感知能力。

进阶方案加一个 Cognitum Seed（约 140 美元），获得持久化向量存储、kNN 搜索、见证链和 MCP 代理能力。

不想买硬件也能体验。Docker 镜像用模拟数据运行，一条命令拉起来就能看到效果：

docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest

Python 用户可以直接 pip 安装，PyPI 上包名是 ruview 或 wifi-densepose，同一个编译好的 PyO3 wheel，约 250KB。

4、 模型和精度

预训练模型托管在 Hugging Face 上，12.2M 训练步数，60K 帧数据，610K 对比三元组。

模型很小。4-bit 量化版本只有 8KB，能装进任何边缘设备。对比 CSI 编码器产出 128 维嵌入向量，在 M4 Pro 上跑到每秒 164,183 个嵌入。

存在检测的 held-out 时间三元组准确率是 82.3%。这个数字比早期的"100% 存在检测"更诚实，那个数字是在单类别录制数据上测的，已经被撤回。

17 关键点姿态估计模型在 MM-Fi 基准上达到 82.69% torso-PCK@20（单模型）和 83.59%（三模型集成），超过了之前发表的 SOTA 方法 MultiFormer 的 72.25% 和 CSI2Pose 的 68.41%。模型只有 20KB 的 int4 边缘模型就能做到。

5、 智能家居集成

RuView 原生支持四大智能家居生态：

通过 HA-DISCO MQTT 发布器接入 Home Assistant，加一个 --mqtt 参数就行。作为 HAP-1.1 桥接器配对 Apple Home 和 HomePod。通过同一个 HA 桥接器或 Matter 端点接入 Google Home 和 Amazon Alexa。

每个节点暴露 21 个实体：11 个原始信号加 10 个推断语义状态，包括有人在睡觉、可能有 distress、房间活跃、老人活动异常、会议进行中、浴室占用、跌倒风险升高、离床、无动作、多房间转场。

Siri、Google Assistant 和 Alexa 可以用语音播报每个房间的存在状态和生命体征，不需要写任何自定义 Skill。

6、 边缘计算能力

系统附带 105 个边缘模块的目录，覆盖健康、安防、建筑、零售、工业、研究、AI、群体、信号、网络和开发者工具等类别。

边缘模块直接运行在 ESP32 传感器上，不需要联网，没有云服务费用，响应即时。一个 ESP32 板子读取房间里人体的射频反射，一个小型预训练模型就能判断谁在那里、呼吸状况如何、心率趋势怎样。

整个系统运行在边缘硬件上，不依赖云端，不需要摄像头，不需要互联网连接。ESP32 mesh 网络配合 Cognitum Seed，提供持久记忆、密码学认证和 AI 集成能力，总物料成本 140 美元。

头，不需要互联网连接。ESP32 mesh 网络配合 Cognitum Seed，提供持久记忆、密码学认证和 AI 集成能力，总物料成本 140 美元。