π RuView

Software Beta — In fase di sviluppo attivo. API e firmware possono subire modifiche. Limitazioni note:

• ESP32-C3 e ESP32 originale non supportati (single-core, insufficiente per DSP CSI)
• Deploy con singolo ESP32 hanno risoluzione spaziale limitata — si consiglia 2+ nodi o aggiunta di Cognitum Seed per migliori risultati
• Precisione stimata della pose senza camera limitata (PCK@20 circa 2.5% con etichette proxy); addestramento con supervisione camera mira a 35%+ PCK@20; pipeline implementata ma con fasi di raccolta dati e valutazione non concluse.

Introduzione

Trasforma il WiFi ordinario in un sistema di intelligenza spaziale e sensing in tempo reale. Rileva persone, misura frequenza di respirazione e cardiaca, traccia movimenti e monitora ambienti attraverso muri e al buio, senza videocamere né dispositivi indossabili.

π RuView sfrutta le distorsioni causate dal corpo umano sulle onde radio WiFi, catturate tramite informazioni sullo stato del canale (CSI) da sensori low cost ESP32, trasformandole in dati utili: presenza, attività e condizioni vitali.

Cosa rileva:

• Presenza e occupazione: conta persone anche attraverso mura, traccia ingressi e uscite
• Segni vitali: frequenza di respirazione e battito cardiaco senza contatto, a riposo o in movimento
• Riconoscimento attività: camminare, sedersi, gesti, cadute tramite analisi temporale del CSI
• Mappatura ambientale: identificazione stanze, rilevamento di mobili spostati o nuovi oggetti tramite impronte RF
• Qualità del sonno: monitoraggio notturno con classificazione fasi del sonno e screening apnea

Utilizza RuVector e Cognitum Seed e gira completamente su hardware edge: mesh di ESP32 a basso costo abbinato a Cognitum Seed per memoria persistente, attestazione crittografica e integrazione AI. Nessun cloud, internet o videocamera richiesti.

Il sistema si autoaddestra localmente in meno di 30 secondi tramite reti neurali spiking, sfruttando la scansione multi-frequenza su 6 canali WiFi e router vicini come radar gratuiti. Ogni misura è attestata crittograficamente.

Supporta anche stima della pose (17 keypoint COCO) con la rete WiFlow, addestrata senza l’uso di videocamere usando segnali da 10 sensori, basata sulla ricerca "DensePose From WiFi" di Carnegie Mellon.

Caratteristiche

Installazione

Opzione 1: Docker (simulazione dati, nessun hardware richiesto)

docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest
# Apri http://localhost:3000

Opzione 2: Sensing live con hardware ESP32-S3 ($9)

Flash firmware, configura WiFi e avvia sensing:

python -m esptool --chip esp32s3 --port COM9 --baud 460800 \
  write_flash 0x0 bootloader.bin 0x8000 partition-table.bin \
  0xf000 ota_data_initial.bin 0x20000 esp32-csi-node.bin
python firmware/esp32-csi-node/provision.py --port COM9 \
  --ssid "YourWiFi" --password "secret" --target-ip 192.168.1.20

Opzione 3: Sistema completo con Cognitum Seed ($140)

L’ESP32 streamma CSI → bridge inoltra a Seed per memoria persistente, kNN e catena di attestazione

node scripts/rf-scan.js --port 5006           # Scansione RF live
node scripts/snn-csi-processor.js --port 5006  # Apprendimento SNN in tempo reale
node scripts/mincut-person-counter.js --port 5006  # Conteggio persone corretto

Hardware consigliato per CSI: per presenza, segni vitali e sensing avanzato serve ESP32-S3 ($9) o scheda di ricerca NIC. L’immagine Docker funziona con dati simulati per test. Laptop consumer WiFi fornisce solo RSSI per rilevamento presenza.

Come Funziona

Ogni router WiFi inonda l’ambiente con onde radio che vengono disperse dal corpo umano durante movimento o respirazione. La rete mesh di ESP32 cattura il CSI su vari canali e subcarrier, cui segue una pipeline con fusione multi-banda, fusione multistatica, elaborazione segnale, modello AI RuVector, protokolli di topologia e reti neurali, per produrre in uscita in tempo reale pose scheletriche, segni vitali e modelli ambientali.

Casi d’uso

WiFi sensing opera ovunque sia presente WiFi, spesso senza hardware aggiuntivo oltre a un ESP32 a basso costo. Poiché non usa videocamere, è compatibile con normative privacy come GDPR e HIPAA.

Licenza

MIT License

...