项目介绍
RuView（仓库：ruvnet/RuView，全称 π RuView）是一个突破性的WiFi 感知平台，它将普通 WiFi 信号转化为实时空间智能、生命体征监测和存在检测——全程无需任何摄像头。
- Stars： 61,440（本周 +8,076）
- 语言： Rust
- 许可证： MIT
- 硬件方案： ESP32-S3（$9/节点），Cognitum Seed（$140 全套系统）
- 预训练模型： Hugging Face
ruvnet/wifi-densepose-pretrained
核心原理
WiFi 路由器 → 无线电波 → 遇到人体 → 散射
↓
ESP32 网状网络（4-6 节点）在 1/6/11 频道通过 TDM 协议捕获 CSI
↓
多频融合（3 频道 × 56 子载波 = 168 虚拟子载波/链路）
↓
多站融合（N×(N-1) 链路，注意力加权跨视角嵌入）
↓
相干门控 → 数天稳定无需调参
↓
信号处理（Hampel、SpotFi、Fresnel、BVP、频谱图）
↓
AI 骨干网络（RuVector）：注意力机制、图算法、压缩、场模型
↓
神经网络 → 17 个身体关键点 + 生命体征 + 房间模型
“无需训练摄像头——自学习系统完全从原始 WiFi 数据中自举。”
核心能力
| 功能 | 关键指标 |
|---|---|
| 🫁 呼吸频率 | 6-30 BPM，实时 |
| 💓 心率 | 40-120 BPM，实时 |
| 👤 存在检测 | 100% 验证准确率，< 1 毫秒 |
| 🧬 CSI 嵌入 | 128 维，M4 Pro 上每秒 164,183 个嵌入，4-bit 量化仅需 8 KB |
| 🦴 17 关键点姿态 | Pi 5 上冷启动 8.4 毫秒 |
| 🤸 跌倒检测 | < 200 毫秒 |
| 🧮 多人计数 | 实时，自校准 |
| 🧱 穿墙感知 | 最远约 5 米（取决于信号） |
| 🧠 边缘智能 | 105 个 Cog 目录，总共约 $140 BOM |
硬件方案
| 方案 | 成本 | 功能 |
|---|---|---|
| ESP32 + Cognitum Seed | ~$140 | 完整功能：姿态、生命体征、105 个 Cogs、持久化向量存储、见证链 |
| ESP32 网状（3-6 节点） | ~$54 | 相同功能但不含持久化内存功能 |
| 研究网卡（Intel 5300 / Atheros） | ~$50–100 | 完整 CSI，3×3 MIMO |
| 任何 WiFi 笔记本电脑 | $0 | 仅 RSSI：粗略存在/移动检测 |
快速开始
无需硬件（Docker 模拟）
docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest
真实硬件
# 刷写固件到 ESP32-S3
python -m esptool --chip esp32s3 --port COM9 --baud 460800 \
write_flash 0x0 bootloader.bin 0x8000 partition-table.bin \
0xf000 ota_data_initial.bin 0x20000 esp32-csi-node.bin
# 配置 WiFi 并运行
python firmware/esp32-csi-node/provision.py --port COM9 \
--ssid "YourWiFi" --password "secret" --target-ip 192.168.1.20
使用预训练模型
pip install huggingface_hub
huggingface-cli download ruvnet/wifi-densepose-pretrained --local-dir models/
边缘模块目录（105 个 Cogs）
每个模块是约 400KB 的小型签名二进制，与感知栈一起运行。
| 类别 | 数量 | 亮点 |
|---|---|---|
| 🫀 健康 | 14 | sleep-apnea（睡眠呼吸暂停）、cardiac-arrhythmia（心律失常）、fall-detect（跌倒检测）、dream-stage（梦境阶段） |
| 🔒 安全 | 14 | gunshot-detect（枪声检测）、glass-break（玻璃破碎）、intrusion（入侵检测）、weapon-detect（武器检测） |
| 🏢 建筑 | 11 | hvac-presence（HVAC 存在检测）、energy-audit（能耗审计）、occupancy-zones（占用区域） |
| 🛍️ 零售 | 7 | customer-flow（客户流）、queue-length（排队长度）、dwell-heatmap（停留热图） |
| 🏭 工业 | 7 | forklift-proximity（叉车接近）、ppe-compliance（PPE 合规）、structural-vibration（结构振动） |
| 🔬 研究 | 12 | emotion-detect（情绪检测）、gesture-language（手势语言） |
| 🤖 AI | 15 | cognitive-pipeline（认知流水线）、federated-learning（联邦学习）、rag-local（本地 RAG） |
| 🐝 Swarm | 11 | swarm-consensus（群共识）、swarm-distributed-store（群分布式存储） |
类似项目对比
| 项目 | 相似点 | 差异 |
|---|---|---|
| WiFi-based sensing 学术界 | 都是 WiFi 感知研究 | RuView 是首个完整的开源产品级实现，包含硬件、固件、AI 模型和边缘模块生态 |
| 摄像头监控系统 | 都做人体检测 | 摄像头有隐私问题、视距限制；RuView 通过 WiFi 穿墙感知，保护隐私 |
| 毫米波雷达（如 Google Soli） | 无摄像头感知 | 需要专用硬件；RuView 仅需普通 WiFi 路由器 + 廉价 ESP32 |
结合当前技术背景的分析
隐私优先的感知技术
2026 年，随着 AI 监控技术的普及，隐私问题成为社会关注的焦点。RuView 代表了一个重要趋势：用现有基础设施（WiFi）实现高精度感知，同时完全保护视觉隐私。摄像头拍摄的是图像，而 WiFi 信号只捕捉到人体的轮廓和运动——这意味着无法通过 RuView 识别个人身份。
边缘 AI 的普惠化
RuView 的核心硬件成本仅 $54-140，这使得高精度的人体感知技术从"昂贵的专业设备"变成了"普通家庭可负担的方案"。配合 105 个边缘 AI 模块（Cogs），开发者可以像安装手机 App 一样扩展功能。
从概念到产品的跨越
WiFi 感知在学术界已经研究了十多年，但 RuView 是第一个将其产品化的开源方案——包含完整的硬件设计、固件、AI 预训练模型、边缘计算模块市场和 Docker 部署方案。这标志着 WiFi 感知技术正式从实验室走向了消费市场。
应用场景展望
- 智能家居：无需摄像头就知道家里有没有人、在做什么
- 老年人护理：跌倒检测、睡眠质量监测、异常行为预警
- 智慧建筑：按区域实际占用情况优化 HVAC 能耗
- 零售分析：客户流量、停留时间、动线分析，无需面部识别
- 医疗健康：远程呼吸和心率监测，慢性病患者居家管理
更新记录（2026-05-20）
- 首次上榜本周 Trending 榜单
- 本周 Stars 增长 8,076+，总 Stars 达到 61,440
- 位于本周上升最快榜 #5
更新记录（2026-05-21）
- 本周新增 8,028 stars，总星数达 62,086
- WiFi 感知技术持续火爆，$9 ESP32 硬件方案是最大亮点
- 8 KB 量化模型可在 ESP32 上实时运行，100% 检测精度
更新记录（2026-05-23）
- 本周新增 6,773 stars，总星数达 64,206
- 持续位居 GitHub 每周热点榜 Top 5
- WiFi 感知技术的低门槛（$9 ESP32 硬件）和高上限（100% 检测精度）持续吸引开发者
- 92 个 Release 版本的快速迭代体现了项目活跃度