RuView: WiFi를 공간 센서로 바꾸는 오픈소스 공간 지능 플랫폼

RuView는 한마디로 말하면 “WiFi를 카메라 대체 센서로 쓰려는 프로젝트”다. 다만 이 표현만으로는 부족하다. 이 저장소가 겨냥하는 것은 단순한 사람 감지보다 훨씬 넓다. 실내 존재 감지, 호흡과 심박 같은 contactless vital signs, 활동 인식, 방의 RF fingerprint, 그리고 WiFlow 기반의 pose estimation까지 묶어서 하나의 공간 지능 스택으로 만들려는 시도에 가깝다.

이 글은 2026-05-15 기준의 위키 초안과 RuView 저장소의 공식 README, GitHub 메타데이터, 사용자 가이드를 바탕으로 정리했다. 핵심은 하나다. RuView는 과장된 데모가 아니라, 아직 제약이 많은 실험적 엣지 센싱 플랫폼이다. 그래서 흥미롭다.

무엇을 하려는 프로젝트인가

RuView가 다루는 입력은 카메라가 아니라 WiFi CSI(Channel State Information)다. WiFi 신호가 사람의 움직임, 호흡, 정지 상태에 따라 미세하게 흔들리고, 그 변화를 신호처리와 모델로 해석하면 공간 상태를 추정할 수 있다는 전제에서 출발한다.

README가 내세우는 센싱 범위는 꽤 넓다.

• 존재 및 점유 감지
• 호흡수 및 심박수 추정
• 걷기, 앉기, 제스처, 낙상 같은 활동 인식
• 방 구성 변화와 가구 이동 탐지
• 수면 중 모니터링과 apnea screening
• WiFlow 기반 17 COCO keypoints pose estimation

여기서 중요한 점은 “WiFi로 다 된다”가 아니라, 어떤 하드웨어와 어떤 조건에서 어느 정도까지 되는가다. README는 ESP32-S3 기반 CSI 수집, 연구용 NIC, 혹은 ESP32 mesh가 필요한 경우를 분명히 나눈다. 반대로 일반 노트북 WiFi는 RSSI 수준의 coarse presence detection에 가깝다고 적는다.

왜 지금 주목할 만한가

RuView가 흥미로운 이유는 기술 스택이 아니라 관점 때문이다. 이 프로젝트는 AI 에이전트의 perception layer를 브라우저, 텍스트, 파일 조작에서 물리 공간으로 확장하려고 한다.

즉, 질문이 바뀐다.

• “무슨 문서를 읽을 수 있나”가 아니라 “방 안에서 누가 있는가”
• “웹페이지를 어떻게 조작하나”가 아니라 “사람이 움직였는가”
• “시스템이 데이터를 기억하는가”가 아니라 “공간 자체를 기억하는가”

이 관점은 단순한 센서 프로젝트보다 넓다. 에이전트가 현실 세계를 이해하려면 입력 계층이 필요하다. RuView는 그 입력 계층을 WiFi CSI로 만들겠다는 주장이다. 브라우저 자동화가 디지털 세계의 손발이라면, 이런 공간 센싱은 물리 세계의 눈에 가까워진다.

최신 상태를 어떻게 읽어야 하나

2026-05-15 기준 GitHub 메타데이터는 다음과 같다.

이 수치는 단순한 인기 지표가 아니다. 이 정도 규모의 저장소는 README 하나만 읽어서는 구조를 파악하기 어렵다. Rust, Python, JavaScript, TypeScript, C, Shell이 섞인 멀티 레이어 코드베이스고, 문서에는 ADR과 하드웨어 플로우, 시뮬레이션 모드, CLI, 점진적 모델 로딩, 3D point cloud fusion까지 들어 있다.

즉 RuView는 “센서 라이브러리”가 아니라 제품화 직전의 연구 플랫폼에 가깝다.

핵심 구조

RuView의 기본 파이프라인은 단순하다.

flowchart LR
    A[ESP32-S3 / Research NIC / WiFi Mesh] --> B[CSI capture]
    B --> C[Signal processing]
    C --> D[Feature extraction]
    D --> E[Model inference / RuVector / Cognitum Seed]
    E --> F[Presence, vitals, pose, room fingerprint]
    F --> G[UI / API / edge modules]

이 구조에서 중요한 건 edge-first 설계다. README는 이 시스템이 cloud 없이, 카메라 없이, 인터넷 없이 동작한다고 강조한다. 그 말은 기술적으로 두 가지 의미를 가진다.

1. 데이터가 장치 안에서 처리되어야 한다.
2. 모델과 신호처리의 품질이 하드웨어와 환경에 크게 의존한다.

이 두 조건이 동시에 성립해야 하므로, RuView는 일반적인 SaaS나 중앙집중형 AI 서비스와 전혀 다르다. 배포가 곧 실험이고, 실험이 곧 운영이다.

어디까지 믿어야 하나

이 프로젝트를 읽을 때 가장 중요한 부분은 과장과 한계를 분리하는 것이다. README와 사용자 가이드를 보면 상당히 공격적인 목표가 적혀 있지만, 동시에 보수적으로 읽어야 할 문장도 명확하다.

비교적 확실한 것

• CSI 기반 사람 감지와 활동 인식은 실제 연구 분야다.
• ESP32-S3와 연구용 NIC가 있어야 full CSI 계열 기능이 가능하다.
• Docker 시뮬레이션 모드로 UI와 파이프라인 일부를 확인할 수 있다.
• MIT 라이선스다.
• 저장소는 매우 활발하게 업데이트되고 있다.

아직 조심해야 할 것

• “벽 너머를 본다”는 표현은 광학적 시야가 아니라 신호 추정이라는 점에서 과장될 수 있다.
• README에 적힌 camera-free pose accuracy는 PCK@20 약 2.5% 수준이다.
• camera-supervised 35%+ PCK@20은 목표치이지, 이미 충분히 검증된 수치로 읽으면 안 된다.
• vital sign과 pose는 환경과 거리, 노이즈, 장비 구성에 크게 좌우된다.
• 의료, 보안, 감시 용도는 기술적 가능성과 별개로 법적, 윤리적 검토가 필요하다.

이 구분이 중요한 이유는 명확하다. 이런 프로젝트는 데모가 좋을수록 오히려 실제 성능을 과대평가하기 쉽다. 반대로 제대로 읽으면, 아직 미완성인 부분까지 포함해서 기술의 방향성을 볼 수 있다.

가장 흥미로운 지점

내가 보기에 RuView의 본질은 “WiFi로 사람을 본다”가 아니다. 공간을 상태 공간으로 다루려는 시도다.

카메라는 픽셀을 준다. RuView는 픽셀 대신 CSI를 준다. 픽셀은 직관적이지만 노출, 시야각, 조명, 프라이버시 이슈가 붙는다. CSI는 덜 직관적이지만, 벽과 어둠과 가림을 어느 정도 우회할 수 있다. 대신 해석 난도가 올라간다.

그래서 이 프로젝트는 다음 세 가지 축에서 읽는 게 좋다.

• perception layer: 에이전트가 현실 세계를 어떻게 입력받는가
• edge intelligence: 센싱과 추론을 어디까지 로컬에서 끝낼 수 있는가
• privacy tension: 카메라가 없다고 해서 감시가 사라지는 것은 아니다

특히 마지막이 중요하다. 카메라 없는 센싱은 종종 더 은밀하다. 사용자는 렌즈를 의식하지만, RF sensing은 평소에 존재감을 느끼기 어렵다. 기술적으로 매력적일수록 규범적으로 더 민감해진다.

실험해 볼 만한 경로

RuView는 시뮬레이션 경로를 먼저 제공한다. 하드웨어를 바로 사지 않아도 UI와 일부 흐름을 확인할 수 있다는 점은 진입 장벽을 낮춘다.

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

실제 CSI를 다루려면 ESP32-S3나 연구용 NIC 쪽으로 넘어가야 한다. 사용자 가이드는 CSI-capable hardware가 필요하다고 분명히 말한다. 즉 이건 “설치만 하면 되는 앱”이 아니다. 하드웨어, 실내 환경, 보정, 모델 학습이 전부 함께 맞아야 하는 시스템이다.

마치며

RuView는 완성된 제품이라기보다, 공간 지능이 어디까지 갈 수 있는지 보여주는 실험장이다. 지금 시점에서의 가치는 두 가지다.

1. 에이전트의 입력이 텍스트와 화면 바깥으로 확장될 수 있음을 보여준다.
2. 그 확장이 곧바로 프라이버시와 검증 문제를 동반한다는 점을 숨기지 않는다.

그래서 이 프로젝트는 “와, 신기하다”로 끝나면 안 된다. “어디까지 믿을 수 있나”, “어떤 환경에서 재현되는가”, “누가 이 데이터를 소유하고 통제하는가”까지 같이 봐야 한다. 그 질문까지 포함해야 RuView를 제대로 읽은 것이다.

Sources

• GitHub repository: https://github.com/ruvnet/RuView
• README: https://github.com/ruvnet/RuView/blob/main/README.md
• User guide: https://github.com/ruvnet/RuView/blob/main/docs/user-guide.md
• Latest release: https://github.com/ruvnet/RuView/releases/tag/v0.8.0
• Original wiki note: /home/ubuntu/wiki/wiki/pages/2026-05-15-ruview.md