【23 Daily 綜合報導】根據專案說明，RuView 是一個利用一般 WiFi 訊號進行即時空間情報解析與生命跡象監測的系統，無需攝影機或穿戴設備。該技術基於 ESP32 低成本感測器，通過擷取 WiFi 訊號通道狀態資訊（CSI），分析人員存在、呼吸與心跳速率、動作軌跡等，並於 2026 年 11 月 9 日登上 GitHub 熱門排行榜，獲得逾 10 萬顆星。

RuView 可穿透牆面和黑暗環境工作，能在室內環境中偵測人員數量、辨識進出動作，並能即時監測生命徵象如呼吸和心跳。除此之外，系統亦能辨識行為狀態（如坐、走、跌倒）、環境佈局變化，監測睡眠品質與呼吸暫停，甚至估算人體的 17 個關鍵骨點姿勢。整套方案運作於本地邊緣裝置，無需透過網路或雲端伺服器。

多元智能監測功能整合WiFi訊號

RuView 利用 WiFi 路由器無處不在的無線電波，當人員移動、呼吸或靜止時，會改變信號的反射特性，系統透過 CSI 技術捕捉這些變異並轉換成有用資料。該平台支持四大智慧家庭生態系統：Home Assistant、Apple Home / HomePod、Google Home 和 Amazon Alexa，能透過 MQTT 或 Matter 協議整合，並支援語音助手直接讀取監測結果。

每個感測節點會輸出 21 個實體資訊，包括 11 項原始訊號和 10 項推論狀態，如有人睡覺、可能有困難、房間活躍狀態、老人異常活動、會議進行中、浴室占用、跌倒風險、床離開、無動作及多房間遷移等。另外提供 Home Assistant 藍圖讓使用者快速建立監控規則。

低成本邊緣運算與安全驗證架構

RuView 採用 ESP32 網狀網路硬體組成，單節點成本約 9 美元，搭配 Cognitum Seed 提供持久記憶、加密驗證和 AI 整合能力。系統學習環境變化時間短於 30 秒，透過多頻道掃描鄰近路由器作為額外探測信號，所有測量結果均以 Ed25519 數位簽章鏈進行安全驗證，保障資料完整性與隱私。

為提升模型準確度，RuView 使用 spiking neural networks（尖峰神經網路）進行本地學習。預先訓練的模型可在樹莓派等低功耗設備上運行，大小為 8 KB，且無須任何影像或穿戴裝置輔助，v2 版本在驗證測試中達到 82.3% 的時間序列三元組準確率。開源套件整合固件閃存、設備校準與自動化工作流程，並提供 AI agent 協助操作。

編輯觀點：RuView開啟無感監控新機會

RuView 利用已廣泛部署的 WiFi 訊號，實現無需攝影機的空間和生命徵象監測，對於居家健康管理、智慧建築安全、老人照護等領域具高度實用價值。對創業者而言，此技術代表一條低門檻、低硬體成本，且隱私保護較佳的入局路徑。驗證此技術可先從實際部署 ESP32 節點，搭配 RuView 提供的 Home Assistant 集成，觀察監測精度與反應時間，再比對傳統影像或感測器解決方案的表現與成本。未來搭配 AI 驅動的本地化模型微調，有望帶來更靈活的應用場景。