Каждый WiFi-роутер в нашем доме уже наполняет наше пространство радиоволнами. Когда люди двигаются, дышат или даже просто сидят неподвижно — эти волны отражаются от всего, с разным уровнем отражения/поглощения. RuView анализирует принимаемые сигналы с помощью Channel State Information (CSI) от недорогих ESP32-устройств и превращает их в полезные данные: кто присутствует в зоне действия, что делает и всё ли в порядке у него.
Что умеет RuView
- Присутствие и занятость — обнаружение людей сквозь стены, подсчёт людей, отслеживание входов и выходов.
- Жизненные показатели — частота дыхания и пульса, бесконтактно, во время сна или сидения
- Распознавание активности — ходьба, сидение, жесты, падения — по временным паттернам CSI
- Картирование окружения — RF-фингерпринтинг идентифицирует комнаты, обнаруживает перемещённую мебель
- Анализ качества сна — ночной мониторинг с классификацией стадий сна и скринингом апноэ
Как это работает
WiFi-сигнал отражается от тела человека и окружающих объектов. ESP32-S3 ($5-10 на Ali) собирает Channel State Information — данные о том, как каждый поднесущий сигнала был изменён при прохождении через окружающую среду. Из этих данных извлекаются:
- Амплитуда — сила сигнала на каждой поднесущей
- Фаза — временная задержка распространения
- Доплеровский сдвиг — скорость движения
Сигнал обрабатывается spiking neural network (SNN), которая адаптируется к помещению менее чем за 30 секунд — без меток, без батчей, с минимальным энергопотреблением.
Точность без камер
| Метрика | Результат |
| Оценка позы (17 ключевых точек COCO) | 171 000 эмбеддингов/сек (M4 Pro) |
| Обнаружение дыхания | 6–30 уд/мин |
| Частота сердцебиения | 40–120 уд/мин |
| Детекция присутствия | 100% точность, 0,012 мс задержка |
| Сквозь стену | До 5м глубина |
| Точность с камерами (PCK@20) | 92,9% |
Аппаратное обеспечение
Вариант 1: ESP32 + Cognitum Seed (~$140)
ESP32-S3 + Cognitum Seed — рекомендуемый вариант. Seed добавляет:
- Постоянное векторное хранилище
- kNN-поиск похожих состояний
- Криптографическую цепочку свидетельств (Ed25519)
- 114-инструментный MCP-прокси для AI-ассистентов
Вариант 2: ESP32 Mesh (~$54)
3–6 плат ESP32-S3 + WiFi роутер. Полный CSI: поза, дыхание, пульс, движение.
Вариант 3: Любой ноутбук с WiFi ($0)
RSSI-only: грубое присутствие и обнаружение движения. Оценка позы недоступна.
Быстрый старт
# Docker (без оборудования, симулированные данные)
docker run -p 3000:3000 ruvnet/wifi-densepose:latest
# Откройте http://localhost:3000
# Python + ESP32-S3 (реальные данные)
pip install wifi-densepose
python examples/ruview_live.py --csi COM7 --mmwave COM4
Примеры использования
Мониторинг сна
python examples/sleep/apnea_screener.py --port COM4 --duration 28800
Обнаружение остановок дыхания, расчёт индекса апноэ-гипопноэ (AHI).
Стресс-мониторинг
python examples/stress/hrv_stress_monitor.py --port COM4 --duration 3600
Уровень стресса по вариабельности сердечного ритма (HRV).
Умный дом
python examples/environment/room_monitor.py --csi-port COM7 --mmwave-port COM4
Занятость, свет, RF-фингерпринт, события активности.
Архитектура
Система построена на RuVector и Cognitum Seed. Работает полностью на edge-оборудовании — ESP32 mesh + Cognitum Seed для постоянной памяти и AI-интеграции. Без облака, без камер, без интернета.
Каждое измерение криптографически заверяется через цепочку свидетельств Ed25519.
Заключение
RuView — open-source платформа, которая превращает обычный WiFi в систему зондирования. Это технология «нулевого вторжения» для:
- Ухода на дому (мониторинг пожилых)
- Умного дома (присутствие, автоматизация)
- Безопасности (обнаружение вторжений)
- Медицины (анализ сна, скрининг апноэ)
Оригинал: RuView на GitHub
