RuView: WiFi Sensing Không Cần Camera Cho Nhà Thông Minh
/RuView
RuView là một nền tảng WiFi sensing đọc Channel State Information (CSI) từ các board ESP32 giá rẻ để phát hiện sự hiện diện, nhịp thở và nhịp tim xuyên tường mà không cần camera. Chọn dùng nếu bạn muốn thử nghiệm giám sát không tiếp xúc trên phần cứng $9 và chấp nhận được pose estimation vẫn còn là bản first-cut; bỏ qua nếu bạn cần theo dõi tư thế on-device đáng tin cậy ngay bây giờ, vì model đó thấp hơn nhiều so với mục tiêu project tự đặt ra.
Nhu Cầu Cảm Biến Không Cần Camera
Giám sát nhà bằng camera cần đường ngắm thẳng, không hoạt động trong bóng tối, và đặt một ống kính vào mọi phòng bạn muốn theo dõi — điều không ai muốn trong phòng ngủ hay phòng tắm. Thiết bị đeo (wearable) giải quyết vấn đề riêng tư nhưng chỉ hoạt động nếu người dùng thực sự đeo thiết bị, điều này thất bại khi tầm soát ngưng thở khi ngủ hay theo dõi một người không chịu đeo dây đai. Câu trả lời cụ thể của RuView là đọc nhiễu radio mà mọi router WiFi vốn đã phát ra: khi ai đó di chuyển hoặc thở gần một node ESP32, Channel State Information thay đổi theo cách mà nền tảng này giải mã được, không cần thêm một pixel video nào.
Tìm Hiểu Nền Tảng WiFi Sensing Của RuView
RuView là một nền tảng WiFi sensing, không phải một cảm biến đơn lẻ: firmware cho board ESP32, một thư viện Python, một model CSI pretrained trên Hugging Face, và một CLI tên MetaHarness. Nó thu Channel State Information — cách con người di chuyển, thở, hay ngồi yên làm nhiễu tín hiệu WiFi thông thường — rồi biến những nhiễu loạn đó thành dữ liệu hiện diện, chỉ số sinh tồn, và hoạt động mà không cần camera hay wearable trong phòng.
Năng Lực Cảm Biến Cốt Lõi Và Dữ Liệu
- ✓Phát hiện hiện diện và occupancy xuyên tường, chạy dưới 1 ms sau khoảng 30 giây calibration ban đầu, kèm cơ chế fallback dựa trên phase-variance không cần model đã train.
- ✓Chỉ số sinh tồn không tiếp xúc: nhịp thở từ bộ lọc bandpass 0.1–0.5 Hz (6–30 BPM) và nhịp tim từ bộ lọc 0.8–2.0 Hz (40–120 BPM), cả hai đều real-time.
- ✓Phát hiện té ngã dùng ngưỡng phase-acceleration kèm debounce 3 frame và cooldown 5 giây, xử lý dưới 200 ms.
- ✓Đếm nhiều người qua chuẩn hoá P95 thích ứng và dedup factor có thể tinh chỉnh runtime, cùng nhiều cog đếm chuyên biệt (occupancy-zones, queue-length, customer-flow, clean-room, person-matching).
- ✓Lập bản đồ môi trường qua RF fingerprinting, nhận diện phòng và phát hiện đồ nội thất bị dịch chuyển hay vật thể mới.
- ✓Theo dõi chất lượng giấc ngủ với phân loại sleep-stage qua đêm và tầm soát ngưng thở khi ngủ.
- ✓Hai nỗ lực pose estimation tách biệt: một model 17-keypoint chạy on-device vẫn còn là bản first-cut sơ khai, và một model benchmark MM-Fi đã công bố đạt 82.69% torso-PCK@20 (83.59% khi ensemble) — đây không phải cùng một model, và README nói rõ model nào thực sự đang chạy trên phần cứng của bạn.
- ✓Danh mục 105 module edge 'cog' trải khắp health, security, building, retail, industrial, research, AI, swarm, signal, network, và developer.
Tích Hợp RuView Vào Nhà Thông Minh Và Hệ Thống
- •Kết nối một node vào Home Assistant qua HA-DISCO MQTT publisher và xây automation trên 21 entity mỗi node — 11 tín hiệu thô cộng 10 trạng thái ngữ nghĩa như bed-exit, elderly-inactivity-anomaly, someone-sleeping — dùng 3 Blueprint mẫu có sẵn làm khởi điểm.
- •Ghép trực tiếp vào Apple Home/HomePod như một HAP-1.1 bridge, hoặc vào Google Home và Alexa qua cùng HA bridge hoặc một Matter endpoint, để Siri, Google Assistant, hay Alexa trả lời câu hỏi về hiện diện và chỉ số sinh tồn theo từng phòng.
- •Thử nghiệm giám sát người cao tuổi — trạng thái elderly-inactivity-anomaly, phát hiện té ngã, theo dõi bed-exit — mà không cần ai đeo thiết bị.
- •Kiểm tra đường tích hợp bằng dữ liệu giả lập của Docker image trước khi mua bất kỳ phần cứng ESP32 nào.
- •Xây sensing cho retail hay industrial (queue-length, customer-flow, clean-room) trên cùng danh mục cog thay vì home automation.
Thiết Lập RuView: Phần Cứng Và Phần Mềm
Cách cài đặt phụ thuộc vào mức phần cứng bạn sẵn sàng mua. `docker pull ruvnet/wifi-densepose:latest && docker run -p 3000:3000 ruvnet/wifi-densepose:latest` chạy toàn bộ stack với dữ liệu giả lập, không cần phần cứng. Để sensing thật, một board ESP32-S3 (khoảng $9) được nạp firmware bằng esptool rồi provision qua `provision.py --ssid ... --password ... --target-ip ...`; board ESP32-C6 (khoảng $6–10, ADR-110) dùng cùng firmware csi-node build cho target của nó qua `idf.py set-target esp32c6 && idf.py build`. Setup đầy đủ — ESP32 mesh cộng một Cognitum Seed để lưu bộ nhớ liên tục, kNN search, và witness chain — tốn khoảng $140 và vận hành bằng các script như `rf-scan.js`, `snn-csi-processor.js`, `mincut-person-counter.js`. Về phần mềm, `pip install ruview` (hoặc tương đương `pip install wifi-densepose`) cài một wheel PyO3 đã biên dịch cho Linux, macOS, Windows từ PyPI; thêm extra `[client]` để có client asyncio WebSocket và paho-mqtt. Laptop WiFi thông thường không cần cài đặt gì cả nhưng chỉ nhận được RSSI-only, phát hiện hiện diện thô, không có bộ tính năng CSI đầy đủ.
Làm Việc Với RuView Và MetaHarness
Vận hành hàng ngày chạy qua RuView MetaHarness, được publish dưới tên `@ruvnet/ruview` và gọi bằng npx: `npx @ruvnet/[email protected] doctor` kiểm tra setup cục bộ, `guidance --topic sensing --query "..."` đưa hướng dẫn có trích nguồn, và `agent run --host codex --repo . --prompt "..."` chạy một agent Codex hay Claude Code được guard, chỉ đọc, trên repo của bạn. `brain search` và `brain verify` truy vấn và kiểm tra contributor knowledge base đã được review, `claim-check --file REPORT.md` và `verify` replay lại deterministic proof, còn `mcp start` mở một MCP server. Agent chạy read-only theo mặc định — ghi vào workspace cần cả hai flag `--allow-write` và `--confirm` trước khi có bất kỳ thay đổi nào chạm vào đĩa.
Điểm Mạnh
- ✓Phần cứng cho bộ tính năng đầy đủ rẻ tới mức $9 cho một node ESP32-S3, có tùy chọn mesh $54 được ghi rõ, và setup Cognitum Seed $140 cho bộ nhớ liên tục.
- ✓Đường tích hợp trực tiếp vào cả bốn hệ sinh thái nhà thông minh lớn (Home Assistant, Apple Home, Google Home, Alexa) thay vì chỉ một plugin cho một nhà cung cấp duy nhất.
- ✓CSI encoder pretrained thực sự nhỏ — bản quantize 4-bit chỉ 8 KB và chạy ở mức micro giây trên Raspberry Pi.
- ✓Chạy hoàn toàn trên phần cứng edge, không phụ thuộc cloud, và mọi phép đo đều được attest bằng mật mã qua một witness chain Ed25519.
- ✓README trung thực một cách hiếm thấy về độ chính xác — họ tự rút lại tuyên bố '100% presence' cũ để thay bằng con số 82.3% được re-benchmark trung thực, và nêu rõ điểm PCK@20 thật của model pose on-device so với mục tiêu tự đặt ra thay vì giấu đi.
- ✓Model benchmark MM-Fi pose tách biệt báo cáo 82.69% torso-PCK@20 (83.59% khi ensemble), mà README nói vượt qua baseline MultiFormer và CSI2Pose đã công bố trên cùng protocol.
Nhìn Nhận Các Giới Hạn Hiện Tại
- △Model pose 17-keypoint chạy on-device, đóng gói dưới dạng binary cog-pose-estimation, vẫn là bản first-cut sơ khai: PCK@20 chỉ 3.0%, thấp hơn mục tiêu 35%+ mà chính ADR-079 của project đặt ra, và runtime path vẫn trả về confidence=0. Con số 82.69% hay được trích dẫn thuộc về một model benchmark MM-Fi tách biệt, không phải model đang chạy trên ESP32 của bạn.
- △Bộ tính năng đầy đủ — hiện diện, chỉ số sinh tồn, pose, phát hiện té ngã, đếm nhiều người — cần phần cứng có CSI. Một laptop WiFi thông thường chỉ nhận được RSSI-only, phát hiện hiện diện và chuyển động thô.
- △Unified RF world model kết hợp WiFi CSI, radar, UWB, và cellular sensing tự nhận độ chính xác của nó 'vẫn còn synthetic cho tới khi được validate bằng dữ liệu thật.'
- △Các biến thể weight đã quantize `model-q*.bin` vẫn cần một reader tương thích, theo chính bảng compatibility trong README.
- △Sensing xuyên tường chỉ đạt tối đa khoảng 5 mét và phụ thuộc vào tín hiệu, không phải một con số cố định đảm bảo.
Khám Phá Các Hướng Cảm Biến Thay Thế
Câu Hỏi Thường Gặp Về RuView
Bộ tính năng đầy đủ của RuView — hiện diện, chỉ số sinh tồn, phát hiện té ngã, đếm nhiều người, pose, và danh mục cog liên tục — cần setup khuyến nghị gồm ESP32-S3 cộng Cognitum Seed, khoảng $140. Một mesh ESP32 trần (khoảng $54) cho cùng khả năng sensing nhưng thiếu tính năng bộ nhớ liên tục, còn một node ESP32-S3 đơn lẻ bắt đầu từ khoảng $9.
RuView tích hợp trực tiếp với Home Assistant qua một HA-DISCO MQTT publisher, cung cấp 21 entity mỗi node cùng 3 Blueprint mẫu, và còn bridge vào Apple Home/HomePod, Google Home, và Amazon Alexa qua cùng HA bridge hoặc một Matter endpoint.
RuView chạy hoàn toàn trên phần cứng edge — một mesh ESP32 kết hợp một Cognitum Seed để lưu bộ nhớ liên tục và attestation — không cần cloud, không camera, và không cần kết nối internet, theo README.
RuView đưa ra hai con số khác nhau ở đây: model 17-keypoint chạy on-device hiện tại là bản first-cut sơ khai đạt PCK@20 chỉ 3.0%, trong khi một model benchmark MM-Fi tách biệt đã công bố, `ruvnet/wifi-densepose-mmfi-pose`, đạt 82.69% torso-PCK@20 (83.59% khi ensemble) — con số thứ hai này không phải model đang chạy trực tiếp trên ESP32 của bạn.
RuView được phân phối theo giấy phép MIT, theo thông tin license của repository.
RuView MetaHarness, được publish dưới tên `@ruvnet/ruview`, cung cấp cho một AI operator hướng dẫn có trích nguồn, một agent Codex/Claude Code được guard và chỉ đọc, xác minh deterministic proof, và một honesty check cho chính các tuyên bố độ chính xác của RuView — ghi vào workspace cần cả hai flag `--allow-write` và `--confirm`.
Nên dùng — và nên bỏ qua
Chọn RuView nếu bạn muốn thử nghiệm giám sát hiện diện và chỉ số sinh tồn không tiếp xúc trên phần cứng ESP32 giá rẻ, bạn thoải mái với việc nạp firmware và viết Python, và bạn chấp nhận được rằng model pose on-device vẫn là một bản sơ khai chứ chưa phải tính năng hoàn thiện. Bỏ qua nếu bạn cần theo dõi tư thế production-grade ngay bây giờ, không muốn quản lý phần cứng cảm biến vật lý chút nào, hoặc cần thứ chạy được ngay trên một laptop WiFi thông thường thay vì các node có CSI chuyên dụng.
Repo liên quan
RuView có đáng để bạn bỏ thời gian?
ChatGPT, Claude và Perplexity đều đọc được trang này. Hỏi thử xem họ nghĩ gì về RuView.