LLM Wiki

RuView — WiFi CSI 기반 공간 지능/인체 센싱 플랫폼

10 min read

RuView

WiFi CSI(Channel State Information)를 이용해 사람의 존재, 움직임, 생체 신호, 자세를 추정하려는 오픈소스 센싱 프로젝트. X식 홍보 문구처럼 “벽 너머를 본다”로만 이해하면 과장이고, 실제로는 ESP32-S3/연구용 NIC에서 얻은 CSI를 신호처리+모델로 해석하는 실험적 공간 지능 스택에 가깝다.

핵심 요약

RuView는 일반 카메라 없이 WiFi 신호 변화를 읽어 실내의 사람과 환경 상태를 추정하려는 프로젝트다. 기반 개념은 WiFi 송수신 과정에서 생기는 CSI의 amplitude/phase 변화를 분석하면 사람의 움직임, 호흡, 위치, 활동 패턴이 반영된다는 것이다.

프로젝트가 내세우는 기능은 넓다.

  • 존재/점유 감지: 사람이 있는지, 몇 명인지, 출입이 있었는지 추정
  • 생체 신호: 호흡수, 심박수 같은 contactless vital signs
  • 활동 인식: 걷기, 앉기, 제스처, 낙상 등 시간적 CSI 패턴 분류
  • 환경 지문: 방/가구 변화/새 물체를 RF fingerprint로 탐지
  • 자세 추정: WiFlow 구조로 17개 COCO keypoints를 예측하려는 경로
  • 에지 실행: ESP32-S3 mesh, Rust v2 파이프라인, Docker 데모, Web UI, Claude Code/Codex 플러그인

다만 현재 가장 중요한 포인트는 검증 수준을 낮게 잡아야 한다는 것이다. README 자체가 beta software라고 밝히고, 카메라 없는 pose 정확도는 proxy label 기준 PCK@20 약 2.5%라고 정정되어 있다. 카메라 ground truth를 이용한 학습은 35%+ PCK@20을 목표로 하지만, 프로젝트 문서상 실제 데이터 수집과 평가 단계는 아직 pending이다.

프로젝트 정보

항목값
저장소https://github.com/ruvnet/RuView
설명WiFi 신호를 실시간 spatial intelligence, vital sign monitoring, presence detection으로 바꾸는 플랫폼
주 언어Rust
Stars57,016 (2026-05-15 GitHub API 기준)
Forks7,499
Open issues/PRs150
라이선스MIT
생성일2025-06-07
최근 push2026-05-15
관련 키워드WiFi CSI, ESP32-S3, DensePose, RF sensing, pose estimation, edge AI

작동 구조

RuView의 큰 흐름은 다음처럼 정리할 수 있다.

flowchart LR
    A[WiFi AP / ESP32-S3 mesh] --> B[CSI capture]
    B --> C[Signal processing]
    C --> D[Feature extraction]
    D --> E[RuVector / WiFlow / model inference]
    E --> F[Presence, vitals, pose, room fingerprint]
    F --> G[Web UI / API / edge modules]

핵심 입력은 일반 RSSI보다 훨씬 세밀한 CSI다. Espressif의 ESP-CSI 문서도 CSI를 무선 채널의 amplitude, phase, delay 등을 설명하는 중요한 파라미터로 정의하고, 사람 활동 모니터링이나 실내 위치 추정에 쓸 수 있다고 설명한다. 하지만 모든 WiFi 장비가 동일 수준의 CSI를 제공하는 것은 아니다.

RuView 문서상 데이터 소스는 네 단계로 나뉜다.

모드하드웨어가능한 것한계
Docker demo없음UI/파이프라인 확인simulated data
일반 WiFi laptop노트북 WiFiRSSI 기반 coarse presence/motionpose, heartbeat, reliable respiration 불가
ESP32-S31개 이상 ESP32-S3full CSI 기반 sensing단일 노드는 공간 해상도 제한
ESP32 mesh / 연구용 NIC3-6개 ESP32-S3 또는 Intel 5300/Atherospose/vitals/multistatic sensing 실험설치, 보정, 환경 의존성 큼

왜 흥미로운가

RuView의 흥미로운 지점은 “카메라 없는 사람 감지”보다 더 넓다.

첫째, AI 에이전트 스택이 텍스트/브라우저/파일 조작을 넘어 물리 공간 센싱으로 확장되는 사례다. 2026-05-15 GitHub Trending에서도 RuView는 에이전트 런타임, 메모리, 스킬, 브라우저 제어 사이에 섞인 특이한 perception layer로 잡혔다.

둘째, 2026-05-15-github-trending-daily의 흐름과 맞물려 “에이전트가 외부 세계를 어떻게 감지할 것인가”라는 질문을 던진다. 브라우저 자동화가 디지털 세계의 눈이라면, WiFi CSI는 카메라 없이 실내 상태를 감지하는 저비용 센서 후보가 된다.

셋째, 공개 연구와 취미/제품화 스택 사이의 간격을 보여준다. CMU의 DensePose From WiFi 논문은 WiFi 신호만으로 dense human pose correspondence를 추정할 수 있음을 보였지만, 이런 결과를 저가 ESP32와 일반 실내 환경에서 안정적으로 재현하는 것은 별개의 문제다. RuView는 그 간격을 메우려는 구현체이지만, 문서상 아직 검증 중인 부분이 많다.

검증된 것과 미검증인 것

비교적 확실한 것

  • WiFi CSI 기반 사람 감지/활동 인식은 실제 연구 분야다.
  • Espressif 생태계에는 ESP-CSI와 CSI 기반 human detection 예제가 존재한다.
  • RuView 저장소는 매우 활발하게 업데이트되고 있으며, Rust/Python/JS/firmware/UI/문서/ADR가 함께 있는 큰 코드베이스다.
  • Docker와 simulated data로 UI 및 일부 파이프라인을 확인하는 경로가 있다.
  • 프로젝트는 MIT 라이선스다.

조심해야 할 것

  • “벽 너머 사람을 자세히 본다”는 표현은 과장될 수 있다. CSI는 신호장 변화 추정이지 광학 이미지가 아니다.
  • README가 직접 밝힌 camera-free pose baseline은 PCK@20 약 2.5%다.
  • camera-supervised 35%+ PCK@20은 목표치이며, 공개 측정치로 보지 않아야 한다.
  • full CSI 기능은 ESP32-S3 mesh나 연구용 NIC가 필요하다. 일반 노트북 WiFi는 RSSI-only coarse sensing에 가깝다.
  • 의료/안전/보안 용도로 바로 쓰기에는 정확도, false positive/negative, 환경 일반화, 법적 책임 검증이 부족하다.
  • “카메라가 없으니 GDPR/HIPAA 문제가 없다”는 식의 주장은 단순화다. 사람 존재/생체 신호/행동 패턴은 여전히 민감한 데이터가 될 수 있다.

설치/실험 경로

가장 낮은 위험의 확인 경로는 Docker simulated mode다.

docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest

소스 빌드는 Rust v2 경로가 중심이다.

git clone https://github.com/ruvnet/RuView.git
cd RuView/v2
cargo build --release
cargo test --workspace --no-default-features

하드웨어 실험은 ESP32-S3가 필요하다. 프로젝트 문서 기준으로 full CSI, pose, breathing, heartbeat, motion, presence 실험은 ESP32-S3 mesh 또는 연구용 NIC가 전제다. 단일 ESP32보다 2개 이상 node를 권장한다.

내 위키 기준 판단

RuView는 삭제할 북마크가 아니라 조사 보존 가치가 있는 프로젝트다. 다만 “당장 쓸 수 있는 완성형 제품”보다는 다음 세 가지 관점에서 추적할 가치가 있다.

  • AI perception layer: 에이전트가 현실 공간 상태를 입력으로 받는 방향
  • edge sensing stack: ESP32-S3 + Rust + local inference + Web UI 조합
  • privacy/security tension: 카메라 없는 센싱이 오히려 더 은밀한 감시 기술이 될 수 있는 문제

실제 도입 후보로 보려면 다음을 별도 검증해야 한다.

  • Docker image가 README와 동일하게 최신 UI/API를 제공하는지
  • ESP32-S3 2-3개로 live CSI가 안정적으로 수집되는지
  • 단일 공간에서 presence/motion/vitals가 어느 정도 재현되는지
  • pose estimation은 proxy baseline이 아니라 camera-supervised 데이터로 얼마나 개선되는지
  • 네트워크 외부 유출 없이 완전 로컬로 동작하는지

관련 노트

Sources

그래프 뷰

백링크