最近有个WiFi密集姿态估计技术RuView挺火，穿墙透视

eric2013

ruvnet/RuView: π RuView: WiFi DensePose turns commodity WiFi signals into real-time human pose estimation, vital sign monitoring, and presence detection — all without a single pixel of video.


穿墙透视：当WiFi遇上人工智能
通过信号感知世界。无需摄像头，无需穿戴设备，无需互联网。仅凭物理原理。

π RuView 是一个边缘AI感知系统，它直接从其周围环境中学习。它不依赖于摄像头或云端模型，而是观察空间中存在的任何信号——如WiFi、频谱中的无线电波、运动模式、振动、声音或其他感官输入——并构建对本地发生事件的理解。

该系统构建于RuVector之上，因其实现的WiFi密集姿态估计而广为人知。这一感知技术最初源于学术研究，例如卡内基梅隆大学的“基于WiFi的密集姿态估计”项目。该研究表明，WiFi信号可用于重建人体姿态。

RuView 将该概念扩展为一个实用的边缘系统。通过分析人体运动引起的信道状态信息扰动，RuView 利用基于物理的信号处理和机器学习，实时重建身体姿势、呼吸频率、心率以及存在状态。

与依赖同步摄像头进行训练的研究系统不同，RuView 旨在完全依靠无线电信号运行，并在边缘侧进行自学习嵌入。

该系统完全运行在廉价的硬件上，例如ESP32传感器网格（每个节点成本低至约1美元）。小型可编程边缘模块在本地分析信号，并随着时间的推移学习房间的射频特征，从而使系统能够将环境本身与其内部发生的活动分离开来。

由于RuView在其观察信号的近端进行学习，因此它在运行过程中会不断改进。每个部署单元都会为其周围环境开发一个本地模型，并持续适应，无需摄像头、标记数据或云端基础设施。

在实践中，这意味着普通环境获得了一种新的空间感知能力。房间、建筑和设备开始利用空间中已经存在的信号来感知存在、移动和生命活动。