RuView – 通过 WiFi 透视墙壁

π RuView Beta 软件 — 正在积极开发中。 API 和固件可能会发生变化。已知限制： 不支持 ESP32-C3 和原始 ESP32（单核，不足以支持 CSI DSP） 单个 ESP32 部署空间分辨率有限 — 使用 2 个以上节点或添加 Cognitum Seed 以获得最佳结果 无相机位姿精度有限（PCK@20 ≈ 2.5%，带代理标签） — 相机地面实况训练目标 35%+ PCK@20；该管道已实施，但数据收集和评估阶段 (ADR-079 P7–P9) 仍悬而未决，因此尚未发布测量相机监督的 PCK@20。欢迎在问题上贡献和错误报告。使用 WiFi 透视墙壁 将普通 WiFi 转变为空间智能/传感系统。检测人员、测量呼吸和心率、跟踪运动并监控房间 - 在黑暗中穿过墙壁，无需摄像头或可穿戴设备。只是物理。 π RuView 是一个 WiFi 传感平台，可将无线电信号转化为空间智能。每个 WiFi 路由器已经让您的空间充满了无线电波。当人们移动、呼吸，甚至坐着不动时，他们都会以可测量的方式扰乱这些波浪。 RuView 使用来自低成本 ESP32 传感器的通道状态信息 (CSI) 捕获这些干扰，并将其转化为可操作的数据：谁在那里、他们在做什么以及他们是否还好。它感知到的内容： 存在和占用 — 穿过墙壁检测人员、计数、跟踪进出情况 生命体征 — 睡眠或坐着时的非接触式呼吸频率和心率 活动识别 — 行走、坐着、手势、跌倒 — 根据时间 CSI 模式 环境映射 — RF 指纹识别房间、检测移动的家具、发现新物体 睡眠质量 — 通过睡眠阶段分类和呼吸暂停筛查进行夜间监控 RuView 完全基于 RuVector 和 Cognitum Seed 构建，完全在边缘硬件上运行 — ESP32 网格（每个节点低至 9 美元）与 Cognitum Seed 配对，用于持久内存、加密证明和人工智能集成。无需云、无需摄像头、无需互联网。该系统使用尖峰神经网络在本地学习每个环境，该网络可在 30 秒内适应，并使用邻居的路由器作为免费雷达照明器对 6 个 WiFi 通道进行多频网格扫描。每个测量结果均通过 Ed25519 见证链进行加密证明。 RuView 在 Hugging Face 上以 ruvnet/wifi-densepose-pretrained 提供预训练的 CSI 权重——一个自监督对比 CSI 编码器（128 维嵌入、1220 万训练步骤、60K 帧）+ 存在检测头，在验证集上报告 100% 准确度 + 每节点 LoRA 适配器。模型以 .safetensors 、4 位/8 位/2 位量化 .bin (4 KB–16 KB) 和 JSONL RVF 容器的形式发布。 Python 训练和评估工具现在通过 safetensors 使用这些。待接线：传感服务器的 --model 标志仍然需要二进制 RVF，因此 JSONL 包的实时服务器消耗在 JSONL 适配器上进行门控（或以二进制 RVF 重新发布） - 请参阅下面 Hugging Face 上的预训练模型以了解解决方法。尚未发布：17 个关键点姿势估计模型 - 训练管道已实施（WiFlow + AETHER + MERIDIAN 头），但 ADR-079 的相机监督微调阶段 P7-P9 正在等待中，在 #509 中进行跟踪。因此，实时传感服务器可驱动当今基于信号的 DSP 启发式的屏幕输出。专为低功耗边缘应用而构建边缘模块是直接在 ESP32 传感器上运行的小程序 - 无需互联网，无需云费用，即时响应。状态 速度 ? 呼吸频率 ✅ 今天工作 带通 0.1-0.5 Hz → 过零 BPM，包裹相位上的圆形方差 (#593) 6-30 BPM ? 心率 ✅ 今天工作 带通 0.8-2.0 Hz → 过零 BPM 40-120 BPM（需要良好的 SNR） ? 存在检测 ✅ 启发式服务器 · ? 经过培训的 HF 头（装载机接线待定） 实时服务器使用相位方差与自适应阈值（60 秒环境校准）。经过训练的 Presence-head.json 报告 100% 验证准确度已发布在 ruvnet/wifi-densepose-pretrained 中，但传感服务器的 --model 加载器目前仅接受二进制 RVF — JSONL 适配器待定。 <1 ms 启发式 ? CSI 嵌入 ? 在 HF 128-dim 对比编码器上训练的编码器，在 M4 Pro 上为 164,183 emb/s。今天可以通过 Python / 通过 model.safetensors 进行训练；传感服务器消耗等待与上面相同的 JSONL 加载器间隙。 8 KB q4 适合 ESP32 SRAM ? 运动/活动 ✅ 今天有效 运动带功率 + 相位加速 实时 ? 跌倒检测 ✅ 今天有效 相位加速 > 阈值 + 3 帧去抖 + 5 秒冷却时间 (#263) < 200 毫秒 ? 多人时隙计数 ⚠️ 启发式，未学习 子载波多样性除以 2（上限）。不是一个学习计数器 - 请参阅固件自述文件“第 2 层警告”。 #491 中的自适应标准化。实时 ? 17 个关键点姿态估计 ? 仅管道，无运输权重 训练基础设施完整（WiFlow + AETHER + MERIDIAN 头）；出版社