想象一下：你不需要摄像头，不需要手环，不需要手机 App。你家现有的 WiFi 路由器就能告诉你：房间里有没有人、他们在哪里、呼吸频率是否正常、睡眠质量怎么样。
这不是科幻。至少，RuView 这个项目声称它能做到。
GitHub 62,595 星，本周新增 8,028 星。一个 WiFi 感知项目，拿到了比绝大多数 AI 框架还高的关注度。它到底在做什么？值得信吗？我们来拆解。
基本原理
RuView 的核心思路其实很物理：WiFi 信号在传播时，遇到物体会发生反射和折射。当人在房间里移动、呼吸、甚至只是坐在那里不动时，他们的身体会扰动这些无线电波，产生可测量的变化。
具体来说，它用的是 CSI（Channel State Information，信道状态信息）。传统的 WiFi 设备只关心"信号强度够不够"，但 CSI 记录的是更细粒度的信息：每个子载波上的幅度和相位变化。这些变化包含了空间中物体的位置、运动状态等信息。
RuView 用 ESP32-S3 芯片（9 美元一块）作为 CSI 采集节点，把信号数据传给一个预训练的模型，模型输出检测结果。
它能检测什么
从 README 和测试文档来看，RuView 的能力范围包括：
- 存在检测和人数统计——穿墙检测，100% 验证集准确率
- 呼吸率监测——6-30 BPM 实时检测，带通滤波 0.1-0.5 Hz
- 心率监测——40-120 BPM 实时检测，带通滤波 0.8-2.0 Hz
- 活动识别——行走、坐下、手势、跌倒
- 环境映射——RF 指纹识别房间、检测家具移动
- 睡眠监测——夜间监控、睡眠阶段分类、睡眠呼吸暂停筛查
最引人注目的是那个 "100% presence accuracy on the validation set" 的声明。一个 8KB 的 4-bit 量化模型，在树莓派上微秒级推理，宣称验证集上存在检测准确率 100%。
这个数字太高了，高到让人本能地怀疑。
但项目也有不少诚实的自我限定
这一点我必须说——RuView 的 README 开篇就是 Beta Software 警告，列出了已知的局限性：
- ESP32-C3 和原版 ESP32 不支持（单核，CSI DSP 算力不足）
- 单节点部署空间分辨率有限，建议 2+ 节点
- 无摄像头姿态识别精度有限（PCK@20 ≈ 2.5%），目标是用摄像头标注数据训练到 35%+，但目前还没有发布实测数据
这些自我批评在开源项目里不常见。大部分项目恨不得把自己的能力吹上天，RuView 直接把局限性写在 README 顶部。
技术架构
从代码仓库看，RuView 的工程化程度很高：
- 1463 个测试全部通过——这不是一个 demo 项目
- Rust 1.85+ 编写——用 Rust 写嵌入式传感器代码，类型安全 + 内存安全
- Docker 多架构支持（amd64 + arm64）
- crates.io 上已有包（
wifi-densepose-ruvector） - 基于 RuVector 和 Cognitum Seed——有持久化记忆、加密证明和 AI 集成
它使用脉冲神经网络（spiking neural networks），能在 30 秒内适应新环境。多频段网格扫描覆盖 6 个 WiFi 信道，甚至能利用邻居的路由器作为"免费雷达照射器"。
每个测量都通过 Ed25519 见证链进行加密证明——这意味着数据可以被验证未被篡改。对于医疗或安防场景，这个特性很关键。
真实的适用场景
我觉得 RuView 有几个非常实际的应用场景：
独居老人监护。 不需要老人佩戴任何设备，不需要安装摄像头（保护隐私），用现有的 WiFi 就能监测跌倒、呼吸异常、睡眠问题。这在老龄化社会是一个真实的需求。
智能家居自动化。 检测到有人进入房间就自动开灯、调节空调。比传统的红外传感器更精准，可以区分人和宠物。
安防。 穿墙检测能力意味着可以监控到摄像头覆盖不到的区域。
但它也有明显的局限：
- 姿态识别精度仍然很低（PCK@20 ≈ 2.5%），不能替代摄像头做精细的动作识别
- 多节点部署才能发挥最佳效果，单个 ESP32 的分辨率不够
- 这是一个 Beta 项目，API 和固件可能会变动
skepticism 时间
62,000 星的数字确实惊人。但 GitHub star 数不等于实际使用量。这个项目有 8,247 个 fork，10M+ 次下载——这些数字更接近真实使用情况。
另外，"100% 验证集准确率"这个声明，我需要强调：验证集 ≠ 真实世界。 实验室环境和真实家庭环境之间的差距，任何做过嵌入式传感器项目的人都清楚。温度变化、宠物活动、微波炉干扰、邻居的 WiFi 干扰……这些都可能影响准确率。
RuView 团队对此是诚实的——他们明确标注了 Beta 状态和已知限制。但作为使用者，你需要对这个数字保持健康的怀疑。
结论
RuView 不是那种"部署就能用"的成熟产品。但它代表了一个值得关注的方向：用无处不在的 WiFi 信号作为感知媒介，在不侵犯隐私的前提下实现空间智能。
如果它的姿态识别精度能从现在的 2.5% 提升到 35%（这是他们的目标），那它将是一个真正的 game-changer。但在此之前，把它当成一个有潜力的实验项目来看待会更合适。