Представьте: вам не нужны камеры, не нужны фитнес-браслеты, не нужны мобильные приложения. Ваш существующий Wi-Fi роутер сможет сообщить: есть ли кто-то в комнате, где именно они находятся, в норме ли частота дыхания и как обстоят дела с качеством сна.
Это не научная фантастика. По крайней мере, так заявляет проект RuView.
62 595 звёзд на GitHub, 8 028 из которых добавлены за эту неделю. Проект по Wi-Fi зондированию привлёк больше внимания, чем большинство AI-фреймворков. Что именно он делает? Стоит ли ему доверять? Давайте разберёмся.
Основной принцип
Основная идея RuView довольно проста и физична: при распространении сигналы Wi-Fi отражаются и преломляются, встречая на своём пути объекты. Когда человек перемещается по комнате, дышит или даже просто сидит неподвижно, его тело возмущает эти радиоволны, вызывая измеримые изменения.
Если точнее, используется CSI (Channel State Information, информация о состоянии канала). Традиционные Wi-Fi устройства заботятся лишь о том, «достаточно ли силён сигнал», тогда как CSI фиксирует гораздо более детализированные данные: изменения амплитуды и фазы на каждой поднесущей. Эти изменения содержат информацию о положении объектов в пространстве и их движении.
RuView использует чип ESP32-S3 (стоимостью 9 долларов за штуку) в качестве узла сбора CSI, передавая данные сигналов предварительно обученной модели, которая и выдаёт результаты детекции.
Что он способен обнаруживать
Из документации README и тестов следует, что возможности RuView включают:
- Обнаружение присутствия и подсчёт людей — детекция сквозь стены, 100% точность на валидационной выборке
- Мониторинг частоты дыхания — детекция в реальном времени 6–30 вдохов/мин, полосовой фильтр 0,1–0,5 Гц
- Мониторинг частоты сердечных сокращений — детекция в реальном времени 40–120 уд./мин, полосовой фильтр 0,8–2,0 Гц
- Распознавание активности — ходьба, сидение, жесты, падения
- Картирование окружения — идентификация комнат по RF-отпечаткам, обнаружение перемещения мебели
- Мониторинг сна — ночное наблюдение, классификация фаз сна, скрининг апноэ во сне
Наиболее примечательным является заявление о «100% presence accuracy on the validation set». 4-битная квантованная модель размером всего 8 КБ выполняет вывод за микросекунды на Raspberry Pi и заявляет о 100% точности обнаружения присутствия на валидационном наборе данных.
Эта цифра настолько высока, что вызывает инстинктивное недоверие.
Однако в проекте есть немало честных самоограничений
Здесь я должен отметить — в самом начале README RuView размещено предупреждение о статусе Beta Software с перечислением известных ограничений:
- ESP32-C3 и оригинальный ESP32 не поддерживаются (одноядерные, недостаточная вычислительная мощность DSP для CSI)
- При развёртывании одного узла пространственное разрешение ограничено, рекомендуется использовать 2+ узла
- Точность распознавания позы без камер ограничена (PCK@20 ≈ 2,5%), цель — обучить модель на размеченных камерами данных до 35%+, но пока реальных тестовых данных не опубликовано
Подобная самокритика редко встречается в open-source проектах. Большинство проектов стремятся расхвалить свои возможности до небес, тогда как RuView честно выносит ограничения в самый верх README.
Техническая архитектура
Судя по репозиторию, уровень инженерной проработки RuView очень высок:
- Все 1463 тестов пройдены успешно — это не просто демо-проект
- Написан на Rust 1.85+ — использование Rust для кода встроенных датчиков обеспечивает безопасность типов и памяти
- Поддержка мультиархитектурных Docker-образов (amd64 + arm64)
- Пакет уже доступен на crates.io (
wifi-densepose-ruvector) - Основан на RuVector и Cognitum Seed — включает постоянную память, криптографические доказательства и интеграцию с ИИ
Проект использует импульсные нейронные сети (spiking neural networks), способные адаптироваться к новой среде за 30 секунд. Многодиапазонное сеточное сканирование охватывает 6 каналов Wi-Fi и даже позволяет использовать роутеры соседей в качестве «бесплатных радарных излучателей».
Каждое измерение криптографически подтверждается через цепочку свидетелей Ed25519 — это означает, что можно проверить, что данные не были изменены. Для медицинских или охранных сценариев эта функция имеет критическое значение.
Реальные сценарии применения
На мой взгляд, у RuView есть несколько весьма практичных сценариев применения:
Наблюдение за пожилыми людьми, живущими одними. Пожилым не нужно носить никаких устройств, не требуется установка камер (конфиденциальность сохраняется), а существующий Wi-Fi позволяет отслеживать падения, аномалии дыхания и проблемы со сном. В условиях стареющего общества это реальная потребность.
Автоматизация умного дома. При обнаружении входа человека в комнату автоматически включается свет и регулируется кондиционер. Работает точнее традиционных ИК-датчиков и умеет отличать людей от домашних животных.
Безопасность. Возможность детекции сквозь стены означает, что можно контролировать зоны, не попадающие в поле зрения камер.
Однако у него есть и очевидные ограничения:
- Точность распознавания позы всё ещё очень низкая (PCK@20 ≈ 2,5%), поэтому она не может заменить камеры для точного распознавания движений
- Для достижения наилучших результатов требуется развёртывание нескольких узлов, разрешения одного ESP32 недостаточно
- Это проект в стадии Beta, поэтому API и прошивка могут изменяться
Время для скепсиса
Цифра в 62 000 звёзд действительно впечатляет. Но количество звёзд на GitHub не равно реальному использованию. У проекта 8 247 форков и более 10 млн загрузок — эти цифры ближе к реальной картине использования.
Кроме того, касательно заявления о «100% точности на валидационной выборке» хочу подчеркнуть: валидационная выборка ≠ реальный мир. Разницу между лабораторными условиями и реальной домашней обстановкой понимает любой, кто работал над проектами со встроенными датчиками. Изменения температуры, активность домашних животных, помехи от микроволновок, Wi-Fi-помехи от соседей… всё это может повлиять на точность.
Команда RuView честна в этом вопросе — они чётко указали статус Beta и известные ограничения. Но как пользователь, вы должны относиться к этой цифре со здоровым скептицизмом.
Заключение
RuView — это не готовый продукт по принципу «развернул и работает». Но он представляет собой направление, заслуживающее внимания: использование повсеместных сигналов Wi-Fi в качестве среды зондирования для реализации пространственного интеллекта без нарушения конфиденциальности.
Если точность распознавания позы удастся повысить с текущих 2,5% до 35% (это их цель), проект станет настоящим game-changer. Но до тех пор разумнее воспринимать его как перспективный экспериментальный проект.