把 WiFi 路由器再挖一层：RuView 让 9 美元的板子看见你在不在、呼吸多快、心率多少

作者

把家里那台路由器再挖一层：它本来就在「看」你。

不靠摄像头、不戴手环、不掏手机。你坐在沙发上看电视，孩子在隔壁房间睡觉，老人半夜翻身——这些动作本身就会扰动空气里的 WiFi 信号，被一个 9 美元的 ESP32 模块收下来，再用本地小模型解一解，就能告诉你：「这间屋子现在有几个人、谁刚进来、呼吸是快是慢、心率到多少了」。

最近 GitHub 上冒出这么个项目叫 π RuView（repo：ruvnet/RuView，MIT，87k+ stars，Rust 主写，主分支昨天还在推），属于那种让人看完 README 会愣三秒钟的方案：把商规 WiFi 当雷达用。我把它跑了一遍，确实能做到一些事；但作为一个在「自托管这摊事」里折腾了好几年的人，我也得说几个真坑。

它到底干了什么

家用 WiFi 不只是给你传数据用的，它本身就是一片连续的无线电波。屋子里有人走过、呼吸、甚至坐着不动，都会让墙壁/家具/人体对无线电波的反射发生微小变化——学名叫「信道状态信息」（CSI）。

RuView 的玩法分三层：

  1. 采集层：便宜 ESP32-S3（9 美元一棵）跑固件抓 CSI 流，多棵串成 mesh 可以跨房间覆盖；也可以单独一棵 + 你家现有路由器。
  2. 本地模型层：Hugging Face 上的 ruvnet/wifi-densepose-pretrained 是一颗预训练的对比学习编码器，4-bit 量化后只有 8 KB，Pi 5 上 8.4 ms 冷启动。能在 30 秒内学会你这间屋子的「无线电指纹」。
  3. 应用层：105 个预制模块（Cog），覆盖健康（呼吸/心率/跌倒/睡眠分期）、安防（入侵/玻璃碎/徘徊）、楼宇（会议室占用/电梯计数/HVAC）、零售（客流/排队）四大类。

跑起来的可视化长这样——左图是实时 3D 体征热力图，右图是只用 WiFi 就能画出来的人体骨架：

RuView WiFi CSI 实时人体骨架估计

没有任何摄像头数据输入。骨架是从 CSI 时序里反推出来的。

它解决了什么具体问题

我自己最关心的几个场景：

  • 老人看护：家里长辈独居，能不能不戴手表就知道他夜里呼吸顺不顺、起夜频率、心率有没有异常趋势？穿戴设备最大的问题是「忘记充电」「不舒服就摘了」，这种无感监测的好处就是「不存在被拒绝的可能」。
  • 婴儿监护：很多新手父母不想在卧室装摄像头——那种带夜视+联网的摄像头本身就是安全隐患。CSI 监测完全不会成像。
  • 智能家居联动：Home Assistant、Apple Home、Google Home、Alexa、Matter——它原生都接得上。人进屋自动开灯、半夜起床走廊灯亮到 30%、检测到「长时间无活动」就给你推送预警，这些自动化以前都依赖人体传感器或者摄像头。
  • 呼吸/心率趋势：跑一夜就能拿到睡眠期间的呼吸/心率时序，理论上一周的数据就能看出趋势变化——这玩意儿不能替代医疗诊断，但作为「异常预警」够用了。

第二个图是一个更直观的体征视图——蓝色是呼吸段能量、绿色是变异度，你能直接看出「房间里现在的活动水平」：

RuView 实时 3D 体征热力图

怎么把它跑起来

三种入门姿势，从 0 到全栈：

① 没硬件，先看效果

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

这是用合成数据跑的可视化，方便你判断这东西值不值得你下单硬件。

② 真的想玩，最低门槛

一棵 ESP32-S3 DevKit（约 9 美元，淘宝/立创商城都有），按官方 firmware/esp32-csi-node/provision.py 烧固件、配你家 WiFi、填桥接主机的 IP。然后主机装 Python 包：

pip install "ruview[client]"
# 或
pip install "wifi-densepose[client]"

PyPI 上的 ruview 和 wifi-densepose 是同一个 PyO3 编译产物（~250 KB，跨 Linux/macOS/Windows），可以直接 from ruview import BreathingExtractor, HeartRateExtractor。一颗 ESP32 就能跑 presence、呼吸、心率、跌倒这几项。

③ 想覆盖多个房间

建议 3-6 颗 ESP32-S3 串成 mesh（整套约 54 美元），每颗负责一个房间；进阶再上 Cognitum Seed（专用网关设备，约 140 美元 BOM）做持久化向量存储 + Ed25519 见证链 + MCP 代理。这套才能解锁完整的 105 个 cog 模块。

接 Home Assistant

最丝滑的联动方式——主机跑起来后挂一个 --mqtt 参数就完事，HA 里自动发现 21 个实体：11 个原始信号 + 10 个推断语义状态（someone-sleeping / possible-distress / room-active / elderly-inactivity-anomaly / meeting-in-progress / bathroom-occupied / fall-risk-elevated / bed-exit / no-movement / multi-room-transition）。三个开箱即用的 Blueprint 自动化直接装上就能用。

五个真坑

这是我必须告诉你、官方 README 也明确承认的几件事：

1. 模型的「真/假/半成品」要分清。README 自己在「Model weights: what’s real, what’s not」里专门写了一段——Hugging Face 上 wifi-densepose-pretrained（presence 检测）是 82.3% held-out temporal-triplet accuracy，可发表、可复现；wifi-densepose-mmfi-pose（17 关键点 pose，MM-Fi 基准）是 82.69% PCK@20，SOTA 论文级；但本地设备上跑的 cog-pose-estimation/pose_v1.safetensors 是「first-cut on-device model」——PCK@20 = 3.0%，远低于 35% 目标，运行时还是个 stub 返回 confidence=0。你看到的「单 ESP32 画骨架」那张演示图，跑的不是这个本地模型，是用 HF 权重离线后处理的。换句话说：你今天下单，单颗 ESP32 能给你靠谱的存在检测 + 呼吸 + 心率；但「画人体骨架」目前只能做 demo，离真产品还差一两个迭代。

2. 「100% presence」是撤稿过的数字。早期 README 写过单类录制 100% 存在检测，后来被作者撤回——现在老老实实标注是 82.3% temporal-triplet。这才是诚实现状。

3. JSONL RVF 权重 vs binary RVF 容器错配。Hugging Face 上下载下来的模型是 model.rvf.jsonl，但 sensing-server 的 --model 参数目前只认 binary RVF（RVFS magic）。直接挂载会报错、live pipeline 会降级到空输出而不是回退启发式。短期方案：Python 路径直接 safetensors.torch.load_file；live server 不带 --model 跑。

4. 「不戴设备 = 不准」是物理规律。单天线 + 56 子载波 + 20 帧窗口的 CSI 流，本身就缺乏多天线 NIC 研究依赖的细粒度空间信息。这就是为什么 pose 估计 distal/face 关节点基本是随机的——它不是 bug，是物理上限。要突破要么上多天线 mesh、要么上研究级 NIC（Intel 5300 / Atheros AR9580，50-100 美元）。

5. 邻居的路由器是「免费雷达照射源」也是「电磁环境噪声」。系统可以借邻居的 6 个信道的路由器当雷达照射源——好处是无需自己铺发射端，坏处是你的测量会被邻居的路由器配置变化影响。mesh 多频段跳频（ADR-029）能缓解，但不能完全消除。密集公寓楼里的体验可能比独栋差。

一个意外发现

把模型拉到本地以后，archive/v1/data/proof/verify.py 这条命令会做一次确定性信号处理回放，输出 SHA-256 对照作者发布的 hash——作者把这玩意叫做 Trust Kill Switch，意思是「我没法偷偷换模型权重骗你，你跑一遍就知道」。这种态度我很久没在 GitHub 上见过了。

适合谁

  • 家里有老人小孩、想无感监测但拒绝摄像头的人
  • 折腾 Home Assistant / Matter / Apple Home 自动化、对「房间级状态」有刚需的人
  • 喜欢研究 CSI / RF sensing 这种「无线电当雷达」玩法的人
  • 愿意为本地隐私买单、不介意手焊/烧固件的人

不适合：想装上就出医学级睡眠报告的人（它做趋势、做预警，不做诊断）；怕折腾的人（生态成熟度还在快速变化，每周都有 breaking 改动）。

小结

RuView 是那种「让现有 WiFi 路由器多干一件事」的聪明方案——它不解决什么医疗问题，但把「房间里有谁、他们在干什么、身体状态大概如何」这件事变得 无摄像头、不联网、不戴设备。模型诚实地标注了什么是真的什么是 demo、官方默认就支持 Home Assistant / Matter / Apple Home / Google Home / Alexa。87k stars 是虚是实自己判断，但「9 美元一棵 ESP32 就能本地感知存在和体征」这件事本身，已经足够让我下单了。

先跑 Docker demo，再决定要不要焊板子。

发表评论