ruvnet/RuView
π RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.
koala73/worldmonitor（已於 2026-07-22 推過），故改推第 2 名。這是什麼
RuView 是一個把一般 WiFi 訊號轉成室內感測資料的 WiFi spatial intelligence 專案。它的核心假設很直覺：人移動、呼吸、坐著不動時，都會擾動空間中的無線電波；系統讀取低價 ESP32 感測節點的 Channel State Information（CSI），再把這些相位與多路徑變化轉成存在偵測、活動辨識、生命徵象與房間狀態。README 強調它不是攝影機，也不是穿戴裝置，而是以 無影像、邊緣運算 的方式做居家與空間監測。
架構上，RuView 以 ESP32 mesh 作為前端，搭配 RuVector、預訓練模型與可選的 Cognitum Seed；資料可在本地學習與處理，README 也提到 Ed25519 witness chain、kNN、持久化記憶與 AI 整合等進階元件。它同時面向智慧家庭，宣稱可透過 Home Assistant、Matter bridge、Apple Home、Google Home 與 Alexa 串接，把 RF 感測結果變成可被自動化系統使用的房間語意狀態。
為什麼上榜
這類專案容易引起注意，是因為它把「看似到處都有的 WiFi」重新包裝成 低成本非接觸感測平台：README 提到單個 ESP32 節點低至約 9 美元，且可在無雲端、無攝影機、無手機 app 的條件下偵測存在、呼吸、心率趨勢與活動。對隱私敏感的智慧家庭、照護與安防場景來說，這個敘事很有吸引力。
今日 metadata 顯示專案已有 83,761 stars，本期新增 741 stars，熱度相當高。它的亮點不只在「用 WiFi 看穿牆」這個標語，而是 README 嘗試把研究型 CSI sensing、ESP32 韌體、Rust/Python 套件、Docker demo、Home Assistant/Matter 整合與 Hugging Face 預訓練權重放進同一個產品化路線圖。值得注意的是，README 也自我修正過舊的「100% presence」說法，改以 v2 encoder 的 82.3% temporal-triplet accuracy 作為較保守的描述，這比單純堆砌誇張數字更值得留意。
適合誰，可以拿來做什麼
RuView 適合對 智慧家庭自動化、非接觸照護、RF sensing、ESP32 韌體 有興趣的人。若只是想快速看介面，README 提供 Docker 模擬資料，不需要硬體；若要做真實感測，門檻會高很多，因為需要 ESP32-S3 或 ESP32-C6、韌體燒錄、WiFi provisioning，以及對 CSI 資料流和本地網路服務有基本理解。
實際用途可以分成兩層：第一層是居家自動化，把房間是否有人、是否睡眠、浴室佔用、長者不活動異常、可能跌倒風險等狀態送進 Home Assistant 或 Matter；第二層是研究與開發，用 README 提到的預訓練權重、Rust crate、Python wheel、ESP32 firmware 與節點資料流，探索呼吸/心率萃取、姿態估計、RF 指紋與多頻 mesh。若你在 NAS 或自架環境中跑 Home Assistant，這個專案比較像一套需要硬體搭配的 本地感測實驗平台，而不是裝好就準的消費級套件。
上手
README 提供四種路徑：Docker 可用模擬資料看 dashboard；ESP32-S3/C6 用於實際 CSI 感測；Cognitum Seed 是完整系統路線；Python 套件則提供萃取器與 client。最安全的第一步是先跑 Docker demo，確認介面與資料流概念，再決定是否投入硬體。
# Docker：使用模擬資料，不需要硬體
docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest
# Open http://localhost:3000
# Python 套件
pip install ruview
pip install "ruview[client]"
若要做 live sensing，README 範例包含 esptool 燒錄 ESP32-S3、provision.py 設定 WiFi，以及 ESP32-C6 的 idf.py set-target esp32c6 && idf.py build。這部分建議先完整閱讀專案文件，因為會牽涉韌體檔、序列埠、目標 IP 與硬體差異。
README 重點摘要
- 感測範圍涵蓋 presence/occupancy、呼吸與心率、活動辨識、RF 房間指紋、睡眠品質等；但真實效果仍會受空間、硬體與訊號環境影響。
- 智慧家庭整合是 README 的主軸之一：Home Assistant、Matter bridge、Apple Home、Google Home、Alexa 都被列為目標串接方式。
- 邊緣與隱私是主要賣點：README 強調 no cloud、no cameras、no internet required，並可在 ESP32/本地硬體上處理。
- 上手路徑分層清楚：Docker demo 最容易，Python 套件適合開發，ESP32 live sensing 與 Cognitum Seed 則面向硬體與完整系統實驗。
- 數據敘述需審慎閱讀：README 同時列出多個 benchmark、模型與 ADR；導入前應確認自己需要的是 demo、研究驗證，還是可長期運作的家庭自動化。