RuView（ruvnet 出品）是一个 WiFi 感知平台：把普通 WiFi 的无线电信号变成「空间智能」，无需摄像头或可穿戴设备就能检测人员存在/数量、测量呼吸与心率、识别活动与跌倒、做姿态估计乃至「隔墙感知」。原理是从低成本 ESP32 传感器采集信道状态信息（CSI），用边缘模型把无线电扰动转成可用数据。它用 Rust 编写、跑在边缘硬件（ESP32 网格，单节点低至约 9 美元，可配 Cognitum Seed 做持久记忆与加密见证），不依赖云、摄像头或互联网，配套在 Hugging Face 发布的预训练模型。MIT、约 6.46 万星、Beta 阶段。需前置提醒：这类「无摄像头也能感知人体、隔墙、测生命体征」的能力具有显著隐私与同意敏感性。
来源：README 顶部/See through walls/能力表、GitHub meta（ruvnet/RuView，Rust，MIT，homepage Cognitum.One/RuView） 查看 GitHub 仓库 →「用现成 WiFi 当雷达、无摄像头感知人体」既有未来感又有真实用途（健康监测、占用检测、跌倒报警），且 RuView 把它做成低成本（约 9 美元 ESP32）、纯边缘、开源、配预训练模型的平台，技术叙事强、上手门槛低（Docker 可零硬件模拟）。出自高产作者 ruvnet、Rust 实现、1463 测试、105 个边缘模块目录，话题与工程兼具，积累约 6.46 万星。其隐私争议性（隔墙、生命体征、用邻居路由器当照明源）也是关注度的一部分，需理性看待。
来源：README 能力表/快速开始、GitHub meta（stars 64559、created_at 2025-06-07、pushed_at 2026-05-23）用 CSI 检测人员存在/进出、隔墙计数，HF 上的预训练 head 报称验证集 100% 存在准确率（另有无需模型的相位方差兜底），约 30 秒环境校准、推理 <1ms；多人计数自适应归一、可运行时调去重因子，并有 occupancy/queue/customer-flow 等专用计数 Cog。
来源：README 能力表（Presence/Multi-person count）对包裹相位做带通（呼吸 0.1–0.5Hz、心率 0.8–2.0Hz）+ 零交叉估计，实时测呼吸（6–30 BPM）与心率（40–120 BPM），可在睡眠或静坐时无接触监测；并有睡眠分期与呼吸暂停筛查。
来源：README 能力表（Breathing/Heart rate/Sleep quality）从时序 CSI 识别行走、坐、手势与跌倒（相位加速度阈值 + 去抖 + 冷却，<200ms）；17 关键点姿态估计经 cog-pose-estimation（Candle 加载 safetensors），可从配对数据自训。隔墙感知基于菲涅尔区几何 + 多径建模（约 5m，依信号而定）。
来源：README 能力表（Activity/Fall/Pose/Through-wall）整套跑在边缘：ESP32-S3 流式 CSI（约 9 美元/节点）+ 可选 Cognitum Seed（持久向量库 + kNN + Ed25519 witness chain 加密见证），多频网格跨 6 信道、用邻居路由器当免费雷达照明源，本地用脉冲神经网络 30 秒内自适应环境，不连云。
来源：README 顶部/能力表（Multi-frequency mesh/Edge intelligence）RuView 是 Rust 工作区（需 Rust 1.85+，1463 测试），构建在 RuVector 与 Cognitum Seed 之上。链路：ESP32-S3 固件（firmware/esp32-csi-node）流式采集 CSI → 主机/边缘做信号处理（带通滤波、相位方差、零交叉等）与模型推理（128 维对比编码器、4-bit 量化可装 8KB；姿态用 Candle 加载 pose_v1.safetensors）→ 输出存在/生命体征/活动/姿态等，并提供 REST API（如 /api/v1/config/dedup-factor）与 dashboard。仓库含 firmware/、dashboard/、data/、docs/（大量 ADR 设计文档与基准）、archive/、各 Cog 模块与 105 个边缘模块的 app-registry。可选 Cognitum Seed 提供持久记忆与 Ed25519 见证链。分发：Docker 多架构（可零硬件模拟）、crates.io、HF 预训练权重。多频网格跨 6 信道做 TDM 调度。
来源：README 快速开始/能力表/Edge intelligence、仓库目录树（firmware/dashboard/docs/data）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
ESP32-S3（CSI 采集，不支持 C3/原版 ESP32）Candle（姿态等模型推理）Hugging Face 预训练（wifi-densepose-pret…Cognitum Seed（持久向量库 + Ed25519 见证，可选）在合法、获授权且当事人知情同意的前提下，适合做无摄像头的环境感知：居家/养老的非接触生命体征与跌倒监测、睡眠质量与呼吸暂停筛查、房间占用与人数统计（零售客流、电梯、洁净室等专用计数）、活动识别与隔墙存在检测，以及边缘 AI 研究。对开发者，它也是研究 WiFi CSI 感知、边缘 ML 与 ESP32 固件的完整开源参考。鉴于其可在无摄像头、隔墙下感知人体与生命体征，部署必须充分考虑隐私、同意与监控合规。
来源：README 能力表/Edge Module Catalog、Beta 与隐私考量项目处于 Beta、活跃开发中（README 标注 APIs/固件可能变）。功能已覆盖存在/计数、生命体征、活动/跌倒、姿态、隔墙感知与 105 个边缘模块目录，HF 发布预训练权重，Docker 多架构与 crates.io 分发。相机监督姿态微调管线已实现但数据采集/评测阶段（ADR-079 P7–P9）仍待完成。MIT、约 6.46 万星。仓库最近一次更新在 2026-05-23。
来源：README Beta/能力表/ADR-079、GitHub meta pushed_at 2026-05-23、created_at 2025-06-07RuView 把「用普通 WiFi 当雷达感知人体」这件听起来科幻的事做成了低成本、纯边缘、开源的平台：约 9 美元的 ESP32 就能检测存在、测呼吸心率、识别活动跌倒、估姿态甚至隔墙感知，本地推理不连云、配预训练模型与加密见证，工程与文档都相当扎实，六万多星实至名归。对做非接触健康监测、占用检测或 WiFi 感知研究的人很有价值。但它的隐私敏感性必须放在最前面——无摄像头也能感知人体与生命体征、还会借用邻居路由器，部署务必合法、获授权、当事人知情并合规；同时它仍是 Beta、无摄像头姿态精度有限、硬件部署有门槛。作为「WiFi 空间智能」的开源标杆，它能力惊艳，但用得负责任才是关键。
来源：综合 README、能力表、隐私考量与 GitHub meta 的事实判断