📡 RuView: Transformando el Espectro RF en Visión Artificial
RuView no es simplemente un visualizador de señales; es un motor de inferencia de vanguardia que explota el Channel State Information (CSI) de dispositivos WiFi comerciales para “ver” a través de obstáculos. Al analizar cómo el cuerpo humano distorsiona los campos de Fresnel, este sistema logra una granularidad de datos que antes solo era posible con hardware de radar especializado o cámaras térmicas de alto costo.
🛡️ Privacidad por Diseño (Non-Line-of-Sight)
A diferencia de los sistemas basados en visión computacional, RuView opera exclusivamente en el dominio de la radiofrecuencia, eliminando de raíz los riesgos de exposición de identidad visual.
- Invisibilidad Total: No se capturan imágenes, solo perturbaciones en la fase y amplitud de la señal RF.
- Sensing NLOS: Capacidad nativa para detectar presencia y movimiento a través de paredes y escombros (hasta 5 metros).
- Ética Tecnológica: Ideal para entornos sensibles como hospitales, baños o dormitorios donde la videovigilancia es inadmisible.
💻 Ingeniería de Señal y Stack Tecnológico
El núcleo del proyecto ha sido migrado a Rust 1.85+, lo que permite un procesamiento paralelo masivo con una eficiencia energética crítica para dispositivos embebidos.
- Pipeline de 6 Etapas: Desde el filtrado de Hampel para la eliminación de outliers hasta la corrección de fase SpotFi.
- RuVector GNN: Implementación de redes neuronales de grafos que mapean las subportadoras WiFi a puntos de articulación humana (17-point skeleton).
- Edge Modules (WASM): Lógica de negocio (caídas, apnea, gestos) compilada a WebAssembly para ejecución multiplataforma con overhead mínimo.
🚀 Capacidades Biométricas y Pose Estimation
Lo que realmente separa a RuView de otros experimentos de CSI es su capacidad de reconstrucción de WiFi DensePose.
- Vital Signs: Detección de frecuencia respiratoria (6–30 BPM) y cardíaca (40–120 BPM) sin contacto físico.
- Multi-Person Tracking: Soporte para mallas multiestáticas que permiten seguir a varios individuos simultáneamente sin oclusión visual.
- Auto-Aprendizaje (ADR-024): Algoritmo de autocalibración que reduce el tiempo de adaptación a nuevos entornos a menos de 10 minutos sin necesidad de datasets etiquetados.
🔬 Implementación y Hardware
El sistema es agnóstico pero brilla en hardware específico que permite el acceso a las capas bajas de la pila 802.11.
- ESP32-S3: El caballo de batalla para despliegues de bajo costo (~$8) en configuraciones de malla.
- Intel 5300 / AR9580: Para investigación de alta fidelidad donde se requiere el espectro completo de subportadoras.
- Software Observatory: Dashboard basado en Three.js para la visualización 3D en tiempo real de los campos de densidad.