ruvnet / RuView

ruvnet/RuView

open_in_new前往仓库

RuView 是一个基于 WiFi 信号（CSI）的感知平台，利用 ESP32 等硬件实现穿墙人体检测、呼吸与心率监测、姿态估计等功能，无需摄像头或穿戴设备，支持本地部署并集成 Home Assistant 等智能家居生态。

项目概览

项目概述

RuView（π RuView）是一个将普通 WiFi 信号转化为空间智能的感知平台。它利用信道状态信息（CSI）技术，通过低成本的 ESP32 传感器捕捉人体对 WiFi 信号的扰动，实现穿墙人体检测、呼吸与心率监测、活动识别、姿态估计等功能，全程无需摄像头或穿戴设备。项目基于 Rust 开发，支持本地边缘部署，并可与 Home Assistant、Apple Home、Google Home 等智能家居生态集成。

核心功能

  • 存在与占用检测：穿墙检测人员，统计人数，追踪进出。
  • 生命体征监测：无接触测量呼吸频率和心率。
  • 活动识别：识别行走、坐下、手势、跌倒等动作。
  • 环境映射：通过 RF 指纹识别房间，检测家具移动或新物体。
  • 睡眠质量分析：整夜监测，睡眠阶段分类和呼吸暂停筛查。
  • 无摄像头姿态估计：从 WiFi CSI 估计 17 个身体关键点。
  • 本地自动化：提供 HOMECORE 状态、历史、自动化、签名 Wasm 插件、语音钩子和 HomeKit 支持。
  • 统一 RF 世界模型：融合 WiFi CSI、雷达、UWB 和蜂窝感知。
  • 可治理证据：为感知事件附加隐私政策、不确定性、来源和见证记录。
  • RuView MetaHarness：AI 操作员辅助上线、校准、训练、验证和检查感知声明。

适用与不适用场景

适用场景：

  • 智能家居自动化（存在触发、HVAC 优化）
  • 老年人护理与辅助生活（跌倒检测、夜间活动监测）
  • 医院病房监测（非关键床位连续呼吸/心率监测）
  • 零售客流统计与占用分析
  • 办公室空间利用率优化
  • 酒店与餐饮业（房间占用、餐桌周转）
  • 仓库与物流（安全区域、叉车接近警报）
  • 灾难搜救（穿墙生命探测）
  • 机器人空间感知（无视线遮挡的人体检测）

不适用场景：

  • 需要高精度姿态估计的场合（当前单 ESP32 模型精度有限）
  • 需要医疗级生命体征监测的场景（项目声明为研究原型，非医疗设备）
  • 需要识别特定个人身份的场景（实验性，数据受限）
  • 需要实时视频或图像的应用（项目明确不使用摄像头）

技术架构与依赖

  • 语言：Rust（主要）、C（ESP32 固件）、Python（部分工具）、TypeScript（前端）
  • 硬件：ESP32-S3、ESP32-C6、Intel 5300、Atheros AR9580 等支持 CSI 的设备
  • 核心库：RuVector、Cognitum Seed、Candle（机器学习推理）
  • 框架：Axum（HTTP 服务器）、Tokio（异步运行时）、Tauri（桌面应用）
  • 模型：基于 Hugging Face 的预训练模型（CSI 编码器、姿态估计模型）
  • 协议：MQTT、Matter、HAP（HomeKit）、WebSocket、UDP
  • 其他：Docker、ESP-IDF、PyO3、WASM

安装与快速开始

使用 Docker（模拟数据，无需硬件）

docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest
# 打开 http://localhost:3000

使用 Python 包

pip install ruview
# 或 pip install wifi-densepose

使用 ESP32 硬件（实时感知）

  1. 烧录固件： 
    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
  2. 配置 WiFi： 
    python firmware/esp32-csi-node/provision.py --port COM9 --ssid "YourWiFi" --password "secret" --target-ip 192.168.1.20

典型使用方法

运行感知服务器

cargo run -p wifi-densepose-sensing-server -- --source esp32 --udp-port 5005 --http-port 3000

使用预训练模型

huggingface-cli download ruvnet/wifi-densepose-pretrained --local-dir models/wifi-densepose-pretrained

使用 RuView MetaHarness

npx @ruvnet/ruview@0.4.0 doctor
npx @ruvnet/ruview@0.4.0 guidance --topic sensing --query "model loading"

与 Home Assistant 集成

使用 --mqtt 标志启动服务器，即可自动发现并集成到 Home Assistant。

配置与部署要点

  • 硬件要求：需要支持 CSI 的硬件（如 ESP32-S3）才能使用高级功能；普通 WiFi 仅支持 RSSI 级别的存在检测。
  • 部署模式：支持 Docker、本地编译、ESP32 固件烧录、Python 包等多种方式。
  • 网络配置：ESP32 节点通过 UDP 向服务器发送数据，需确保网络连通。
  • 模型加载：可通过 --model 参数指定模型文件（支持 RVF、safetensors、JSONL 格式）。
  • 隐私与安全：支持隐私模式、数据加密、见证链等安全特性。
  • 性能调优：可通过 API 调整去重因子等参数。

限制、风险与许可证

  • Beta 软件：项目处于积极开发阶段，API 和固件可能变化。
  • 硬件限制：ESP32-C3 和原始 ESP32 不支持；单节点空间分辨率有限。
  • 模型精度：无摄像头姿态估计精度有限（PCK@20 约 3%），目标为 35%+。
  • 医疗免责：生命体征和姿态输出需独立验证，非医疗设备。
  • 许可证：MIT License。

官方链接

信息来源和分析时间

  • 信息来源：GitHub 仓库 README、文档、ADR 文件。
  • 分析时间：2026-09-02。