RuView v2934 发布：新增 BFI 验证式采集与受限研究工具，修补 Wasmtime 安全漏洞

发布概览

RuView（π RuView，又名 WiFi DensePose）是一个将普通 WiFi 信号转化为空间感知能力的开源平台：通过低成本 ESP32 传感器采集信道状态信息（CSI），实现穿墙的人员存在检测、呼吸与心率等生命体征测量、活动与跌倒识别、房间级环境指纹识别，以及在无摄像头条件下估计 17 个身体关键点的姿态。项目以本地边缘运行为核心设计目标——无需云端、无需摄像头、无需可穿戴设备，统一以 MIT 协议开源。

2026 年 9 月 30 日，RuView 发布 v2934。本次发布由 CI 流水线自动生成，属于常规迭代：主要新增了 BFI（Beamforming Feedback Information，波束成形反馈信息）相关的验证式采集与受限（bounded）研究工具链，并修补了 Wasmtime 依赖中的一个已知安全漏洞，同时发布了对应的 Docker 镜像。

核心亮点

1. 新增 BFI 验证式采集与受限研究工具（#2055）

变更内容：feat(bfi): add validated capture and bounded research tooling（#2055）。
意义：BFI/BFLD（Beamforming Feedback Layer for Detection）是 RuView 中相对较新的一层 WiFi 感知能力，它利用 802.11ac/ax 的波束成形反馈信息进行感知，并通过类型系统强制三条不变量来防止身份信息泄漏：原始 BFI 永不离开节点、身份嵌入仅存在于内存（in-RAM）、跨站点关联在密码学上不可行（基于每站点 BLAKE3 密钥化哈希 + 每日轮换）。
本次新增的”验证式采集（validated capture）”与”受限研究工具（bounded research tooling）”即围绕这一层展开，用于在受控范围内进行数据采集与研究验证，属于研究工具链性质的补强，而非面向终端用户的新功能。

2. 依赖安全修补：Wasmtime（RUSTSEC-2026-0316）

变更内容：fix(deps): patch Wasmtime for RUSTSEC-2026-0316。
意义：修补 Wasmtime 运行时中由 RUSTSEC-2026-0316 公告记录的漏洞。RuView 的 HOMECORE 本地自动化组件使用签名的 Wasm 插件机制，因此该依赖的安全性直接关系到插件执行路径，建议已部署用户升级。

3. 发布方式与产物

本次发布由 CI 流水线自动生成，变更条目为上述两项。
同步发布 Docker 镜像：ghcr.io/ruvnet/RuView:aac41555847caf3221b1d56c4e9d67726aa744d8。

项目能力概览

根据 README，RuView 目前提供的感知与集成能力包括：

感知能力：人员存在与占用（可穿墙、可计数、可跟踪进出）、非接触式呼吸率与心率、活动识别（行走/坐姿/手势/跌倒）、环境映射（RF 指纹识别房间、检测家具移动与新物体）、睡眠质量与呼吸暂停筛查。
无摄像头姿态：从 WiFi CSI 估计 17 个身体关键点。
模型工作流：录制 CSI、训练模型、加载 RVF 文件、切换 LoRA 配置；自学习模块可将任意 WiFi 信号编码为 128 维环境指纹，整个模型约 5.5 万参数、约 55 KB 内存，可运行在 8 美元的 ESP32 上。
智能家居集成：原生支持四大生态——通过 HA-DISCO MQTT 发布器接入 Home Assistant，作为 HAP-1.1 网桥接入 Apple Home 与 HomePod，并通过同一 HA 网桥或 Matter 端点接入 Google Home 与 Alexa；每个节点提供 21 个实体（11 个原始信号 + 10 个推断语义状态，如”有人睡觉”“可能遇险”“房间活跃”“长者活动异常”“会议进行中”“浴室占用”“跌倒风险升高”“离床”“无移动”“跨房间转移”），另附 3 个入门蓝本。
本地自动化与 AI 集成：HOMECORE 提供状态、历史、自动化、签名 Wasm 插件、语音钩子与 HomeKit 支持；RuView MetaHarness（npx @ruvnet/ruview@0.4.0）提供带来源引用的引导、可读写的受控编码代理、确定性验证，以及针对精度宣称的”诚实性检查”；MCP 服务器 @ruvnet/rvagent 可将存在、生命体征、BFLD 扫描等能力暴露给 AI 代理。
本地化与安全：环境学习在本机完成，使用脉冲神经网络，据称可在 30 秒内自适应；跨 6 个 WiFi 信道做多频网格扫描；每次测量通过 Ed25519 见证链（witness chain）进行密码学存证。

关于精度与限制

RuView 的 README 对自身能力边界给出了较为明确的披露，这些数字与官方目标存在差距，值得读者注意：

项目处于 Beta 阶段，API 与固件可能变更。
ESP32-C3 与初代 ESP32 不受支持（单核，无法满足 CSI 数字信号处理需求）；单个 ESP32 部署的空间分辨率有限，官方建议使用 2 个以上节点。
无摄像头姿态精度仍然有限：设备端 pose_v1 是一个初版模型，PCK@20 = 3.0%，低于 ADR-079 设定的 ≥35% 目标，且运行时路径目前仍是 confidence=0 的桩实现。
项目已撤回早期”100% 存在检测”的说法（该数字来自单类别录制），改以无标签留出集的 temporal-triplet 准确率 82.3% 作为公开指标（原始为 66.4%）。
在 MM-Fi 数据集上，公开模型 wifi-densepose-mmfi-pose 报告 82.69% 的躯干 PCK@20（集成 83.59%）。
BFLD 中的身份识别（Soul Signature 匹配器）属于实验性、数据受限能力：实测表明仅凭 WiFi 的心脏与呼吸信道，两个人是不可区分的（差距约 0.0005），项目明确表示不宣称可识别具名身份。
统一 RF 世界模型（融合 WiFi CSI、雷达、UWB、蜂窝感知）的精度数字在真实数据验证之前仍属合成数据结果。

发布产物

变更条目：BFI 验证式采集与受限研究工具（#2055）、Wasmtime 安全修补（RUSTSEC-2026-0316）
容器镜像：ghcr.io/ruvnet/RuView:aac41555847caf3221b1d56c4e9d67726aa744d8
本次 Release 未附加二进制资产（无 assets），安装与部署仍以源码构建、容器镜像、PyPI 包与固件烧录四条路径为主。

获取与升级

发布说明：RuView v2934
使用 Docker 镜像快速评估（使用模拟数据，无需硬件）：

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

使用 PyPI 包（约 250 KB 的 PyO3 wheel，支持 Linux/macOS/Windows）：

pip install ruview
pip install "ruview[client]"

从源码构建并使用感知服务：

cargo run -p wifi-densepose-sensing-server -- --model model.rvf --embed
cargo run -p wifi-densepose-sensing-server -- --model model.rvf --build-index env

预训练权重可从 Hugging Face 获取：https://huggingface.co/ruvnet/wifi-densepose-pretrained
需要真实 CSI 数据的完整能力（存在检测、生命体征、穿墙感知）需搭配 ESP32-S3（约 9 美元）或研究级网卡，消费级笔记本只能提供基于 RSSI 的存在检测。