RuView 是一个基于 WiFi 信道状态信息（CSI）的无线传感平台，它把普通 WiFi 信号转化为实时空间智能：穿墙检测人员存在、跟踪呼吸和心率、识别活动与跌倒，全程不需要摄像头或可穿戴设备。
其工作原理是利用已部署 WiFi 路由器产生的无线电波。当人移动、呼吸甚至静坐时，都会以可测量的方式扰动这些电波。RuView 使用低成本的 ESP32 传感器采集 CSI 数据，再从中提取人员存在、生命体征、动作和空间环境信息。
主要能力包括：
- 存在与占用检测：穿墙识别人体、计数、跟踪进出。
- 无接触生命体征：呼吸率与心率，适用于睡眠或静坐场景。
- 活动识别：行走、坐下、手势、跌倒等。
- 环境射频指纹：识别房间、检测家具移动或新物体。
- 睡眠质量：整夜监测，可做睡眠分期与呼吸暂停筛查。
- 无摄像头姿态估计：从 WiFi CSI 估算 17 个身体关键点（注意：仓库内置的 on-device 模型仍处于早期阶段，见下方注意事项）。
系统完全在本地边缘运行，无需云端或互联网；支持与 Home Assistant、Apple Home、Google Home 等智能家居生态集成。官方提供了多种快速开始方式：
Docker 模拟（无需硬件，数据为仿真）：
docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest
Python 包（PyPI）：
pip install ruview
pip install "ruview[client]"
实时感知需要支持 CSI 的硬件，推荐 ESP32-S3（约 $9）或 ESP32-C6 研究节点；也可组成 ESP32 网格，或搭配 Cognitum Seed 获得持久存储与 AI 能力。预训练模型发布在 Hugging Face：
huggingface-cli download ruvnet/wifi-densepose-pretrained --local-dir models/wifi-densepose-pretrained
需要注意，存在检测、生命体征等高级功能都依赖 CSI 数据，普通笔记本电脑只能提供基于 RSSI 的粗略存在感知。项目对模型成熟度做了清晰标注：存在检测编码器达到 82.3% 的留出时间三元组准确度，MM-Fi 姿态模型达到 82.69% torso-PCK@20；但仓库内置的单 ESP32 17 关键点姿态模型目前是早期版本（PCK@20 仅 3.0%），运行路径仍是返回 confidence=0 的占位实现，不应作为实时单节点姿态能力对外宣传。