Вам не нужны камеры. Вам не нужны носимые устройства. Вам даже не нужно видеть комнату.
Достаточно сигнала Wi-Fi, чтобы узнать, есть ли в комнате люди, чем они занимаются, и даже измерить их пульс и частоту дыхания.
Это не научная фантастика. Это открытый проект на GitHub, получивший 63 537 звёзд: RuView (π RuView), разработанный командой ruvnet, который только за эту неделю привлёк более 7 600 новых звёзд.
Как Wi-Fi превращается в датчик?
На самом деле принцип довольно прост.
Ваш Wi-Fi-роутер постоянно излучает радиоволны в пространство. Когда кто-то входит в комнату, садится, ходит или даже просто дышит, эти волны искажаются — присутствие человека меняет путь распространения и фазу сигнала.
Задача RuView — улавливать эти искажения и преобразовывать их в полезные данные. Конкретнее, проект использует CSI (Channel State Information, информация о состоянии канала) Wi-Fi — это данные физического уровня, изначально заложенные в протокол 802.11, которые описывают амплитуду и фазу сигнала на каждой поднесущей.
Обычные роутеры не предоставляют доступ к CSI, но чип ESP32 может. RuView использует ESP32 в качестве сенсорных узлов (стоимостью от 9 долларов за штуку), создаёт mesh-сеть для сбора данных CSI и анализирует их локально с помощью импульсных нейронных сетей (spiking neural network).
Что он умеет?
Обнаружение присутствия и занятости — выявление людей сквозь стены, подсчёт количества человек, фиксация входов и выходов Мониторинг жизненных показателей — бесконтактное измерение частоты дыхания и пульса, работает как во время сна, так и в сидячем положении Распознавание активности — ходьба, приседание, жесты, обнаружение падений, извлекается из временных паттернов CSI Картирование среды — идентификация помещений по радиочастотным «отпечаткам», отслеживание перемещения мебели, обнаружение новых объектов Качество сна — непрерывный ночной мониторинг, классификация фаз сна и скрининг апноэ
Для всего этого не нужны камеры. Не нужны инфракрасные датчики. Не нужны носимые устройства. Достаточно платы ESP32 за 9 долларов, размещённой в комнате.
Технические особенности архитектуры
RuView — это не просто запуск скрипта. У проекта довольно продуманная системная архитектура:
Многочастотное mesh-сканирование — сканирование по 6 каналам Wi-Fi, с возможностью использования соседских роутеров в качестве «бесплатных источников радарного излучения». Идея весьма изящна: не нужно генерировать собственные сигналы, достаточно использовать уже существующие в среде Wi-Fi-сигналы.
Импульсные нейронные сети — вместо традиционных моделей глубокого обучения используются импульсные нейронные сети (SNN), которые ближе к работе биологических нейронов и крайне эффективны на периферийных устройствах. Система адаптируется к новой среде за 30 секунд.
Криптографическая аутентификация — каждое измерение проходит криптографическую проверку через цепочку свидетельств Ed25519, что гарантирует неизменность данных. Это критически важно для медицинских и охранных сценариев.
Периферийные вычисления — вся система работает исключительно на локальном оборудовании, не требуя облака или интернета. Данные не покидают пределы комнаты.
63 000 звёзд — эта цифра поражает
63 537 звёзд. Что это за масштаб?
На GitHub проекты с более чем 60 000 звёзд — это обычно известные фреймворки (например, Kubernetes, TensorFlow) или инструменты, ставшие культурным феноменом. То, что RuView, будучи относительно нишевым проектом на стыке IoT и ИИ, достиг этой отметки, указывает на тенденцию: спрос на технологии восприятия без камер превышает все ожидания.
Представьте возможные сценарии использования:
- Уход за пожилыми — без камер (сохранение приватности), но с возможностью обнаружения падений и мониторинга сна
- Умные здания — автоматическое определение занятости помещений для регулировки кондиционирования и освещения
- Безопасность — обнаружение проникновения сквозь стены
- Медицина — бесконтактный мониторинг жизненных показателей
- Исследования сна — непрерывный ночной мониторинг дыхания и пульса
В этих сценариях фраза «без камер» сама по себе является огромным преимуществом. Спрос на решения без камер со стороны пользователей и в местах, чувствительных к приватности (спальни, дома престарелых, больницы), реален и крайне высок.
Честные ограничения
В README проекта ограничения описаны предельно честно, что редко встречается на GitHub:
Не поддерживаются ESP32-C3 и оригинальный ESP32 — производительности одного ядра недостаточно для обработки CSI через DSP. Требуются ESP32-S3 или более новые модели.
Ограниченное пространственное разрешение одного узла — рекомендуется использовать минимум 2 узла или комбинировать их с Cognitum Seed (их аппаратным продуктом) для достижения наилучших результатов.
Ограниченная точность распознавания позы без камер — текущий показатель PCK@20 составляет около 2,5% (оценка по суррогатным меткам). Команда работает над обучением с использованием камер-супервайзеров, цель — PCK@20 выше 35%, но этап сбора данных и оценки ещё не завершён, публичных измерений пока нет.
Это не мелкие недочёты. Особенно это касается точности позы: PCK@20 на уровне 2,5% означает, что в большинстве сценариев точная оценка позы человека только по сигналам Wi-Fi пока невозможна. Однако для обнаружения присутствия и грубого распознавания активности этого вполне достаточно.
Как это связано с «умным домом»?
В современных решениях для умного дома люди обнаруживаются либо с помощью PIR-датчиков (реагируют только на движение, не отличая человека от питомца), либо камер (нарушают приватность), либо миллиметровых радаров (высокая стоимость и энергопотребление).
RuView предлагает новую альтернативу: использовать существующую Wi-Fi-инфраструктуру для восприятия. Вам не нужно покупать дополнительные датчики — если у вас уже есть устройства на базе ESP32, развёртывание может обойтись вообще без затрат.
Возможно, это не станет следующим массовым потребительским хитом, но в специфических сценариях (уход за пожилыми, безопасность, медицина) его ценность абсолютно реальна.
Основные источники: GitHub - ruvnet/RuView, Cognitum Seed