github-trend-summarizer

RuView (WiFi DensePose) 概観

1. このリポジトリは何？

RuView は「WiFi 電波を“レーダー兼カメラ”として使う」センシングプラットフォーム。ルータや ESP32 から得られる Channel State Information (CSI) を解析して、映像を一切使わずに以下を検出する。

• 人物姿勢推定：17 COCO キーポイント（独自の WiFlow アーキテクチャ、カメラ教師で PCK@20 = 92.9%）
• バイタルサイン：呼吸 6–30 BPM、心拍 40–120 BPM（接触なし）
• 在室・人数・動線：MinCut ベースの人数カウント、在室精度 100%
• 環境センシング：部屋の RF フィンガープリント、家具移動や侵入検知、壁越しモーション、RF トモグラフィ、パッシブレーダ

実装は Rust 中心のモノレポ（rust-port/wifi-densepose-rs/ に 15+ のクレート：-core / -signal / -nn / -train / -mat / -hardware / -ruvector / -api / -wasm / -cli / -sensing-server …）＋ Python v1 リファレンス＋ ESP32-S3 ファームウェア（firmware/esp32-csi-node/）＋ Three.js の可視化 UI で構成。関連設計は docs/adr/ に ADR が 79 本、DDD モデルが 7 本。1,400+ テスト、Docker マルチアーチ配布、HuggingFace に学習済みモデル (ruv/ruview)、MIT。

エッジ側は WASM モジュール群（全 60+） が wifi-densepose-wasm-edge に揃っており、医療・セキュリティ・スマートビル・小売・産業など 13 カテゴリのユースケースを 5〜30KB の WASM としてセンサに OTA 投入できる。

2. 既存手段と比べて何が嬉しいのか

観点	RuView (WiFi CSI)	カメラ / ビデオAI	PIR・専用mmWave	ウェアラブル
プライバシ	画像を撮らない、GDPR/HIPAA の映像規制対象外	同意・保管・マスキングが必要	△	ユーザ負担
暗所・壁越し	壁・煙・塵・闇でも動作（最大 ~5m壁越え）	基本 NG	壁越え不可	—
ハード単価	$9 の ESP32-S3 1 台から。全部入りで $140 (+Cognitum Seed)	$200–2,000/ゾーン	$3〜だが機能限定	人数分必要
カバー範囲	既設 WiFi に乗るので新配線不要、1AP で 3〜5 人、多AP で 15〜20 人	1台1部屋、死角多い	点単位	装着者限定
取得できる情報	姿勢・呼吸・心拍・動線・部屋指紋を同時に1 パイプで	映像 + 後段推論が必要	動きの有無のみ	装着者の生体のみ
学習コスト	ラベルなしの自己教師 (ADR-024)、30 秒以内にその部屋へ順応（SNN / LoRA 部屋アダプタ）	大量ラベルデータ必須	学習不可	—
ランタイム	Rust で 54,000 frame/s、推論 0.008–0.012ms、8KB 4bit 量子化モデルで ESP32 オンボード推論、クラウド不要	GPU/クラウド前提	軽量だが拡張不可	クラウド連携多い
信頼性	Ed25519 ウィットネスチェーン＋SHA-256 再現プルーフ (v1/data/proof/verify.py) で測定を暗号学的に証明	—	—	—

要するに 「安い」「映らない」「壁の向こうまで届く」「クラウド要らず」「再現性が検証できる」 を同時に満たすのが他手段に対する優位。

3. 使うときの流れ

A. まず触る（ハード不要・数十秒）

docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest   # http://localhost:3000
python v1/data/proof/verify.py                         # 決定論プルーフで信号処理系を検証

B. 実センシング（ESP32-S3 1 台〜メッシュ 3–6 台、~$9〜$54）

1. ファーム書き込み：python -m esptool --chip esp32s3 --port COMx write_flash …
2. プロビジョン：python firmware/esp32-csi-node/provision.py --port COMx --ssid … --password … --target-ip …（必要ならチャネルホッピング --hop-channels "1,6,11"）
3. センシングサーバ起動：cargo run -p wifi-densepose-sensing-server または Docker を CSI_SOURCE=esp32 で起動
4. UI / API / WS：Web UI でポーズ・呼吸・心拍を表示、REST/WebSocket から外部連携

C. 用途別スクリプト（Node.js ワンライナー）

• 人数カウント：node scripts/mincut-person-counter.js --port 5006
• 睡眠・無呼吸・ストレス・歩行：sleep-monitor.js / apnea-detector.js / stress-monitor.js / gait-analyzer.js
• 環境：room-fingerprint.js / material-detector.js / rf-tomography.js / through-wall-detector.js
• オフライン再生：任意スクリプトに --replay data/recordings/*.csi.jsonl

D. 自分の部屋に合わせ込む（学習）

1. データ収集：python scripts/collect-training-data.py --duration 120（任意でカメラ教師：collect-ground-truth.py + MediaPipe）
2. 位置合わせ：node scripts/align-ground-truth.js …
3. 学習：node scripts/train-ruvllm.js … / train-wiflow-supervised.js --scale lite|small|medium|full
4. 評価：node scripts/eval-wiflow.js …、出力は .rvf 1 ファイル（エッジ・クラウド・ブラウザ WASM で共通）
5. 既成モデルで始めたい場合：huggingface-cli download ruv/ruview --local-dir models/

E. エッジ展開 & 検証

• 60+ の WASM エッジモジュール（医療/セキュリティ/ビル/小売/産業 …）を ESP32-S3 に OTA 投入して 10ms 未満で判定
• リリース前・マージ前は ウィットネスバンドル：cargo test --workspace --no-default-features → python v1/data/proof/verify.py → bash scripts/generate-witness-bundle.sh → VERIFY.sh で 7/7 PASS を確認（ADR-028）。

最小体験は Docker だけ、本番は ESP32-S3 + 任意で Cognitum Seed($131) のレイヤーで段階的に拡張できる設計になっている。

This site is open source. Improve this page.