카메라 없이 벽 너머의 움직임과 생체 신호를 읽는 WiFi 센싱 플랫폼
집 안의 WiFi 신호가 사람 존재, 호흡, 심박을 감지하는 무인 감시 시스템이 됩니다. 기존 라우터와 저가형 ESP32 보드를 이용해 공간 내 활동을 추적하며, 영상 데이터 없이 프라이버시를 지키는 모니터링 환경을 구축할 수 있습니다. 이는 WiFi의 채널 상태 정보(CSI)를 분석해 물리적 현상을 데이터로 변환하는 기술 기반의 솔루션입니다.
WiFi 신호로 읽는 공간 지능
RuView는 WiFi 라우터가 방에 채우는 전파가 사람에 의해 왜곡되는 현상을 측정합니다. 이 미세한 변화를 ESP32 센서가 포착해 채널 상태 정보(CSI)로 변환하고, 이를 통해 사람의 존재, 움직임, 호흡 주기를 파악합니다. 카메라나 웨어러블 기기가 필요 없으며, 벽 너머나 어두운 곳에서도 작동합니다. 시스템은 6개의 WiFi 채널을 스캔하며 이웃의 라우터 신호를 무료 레이더 조명으로 활용하는 다중 주파수 메시 스캐닝을 지원합니다. 모든 측정값은 Ed25519 암호화 증인 체인을 통해 무결성이 보장됩니다.
실시간 생체 신호와 자세 추정
호흡률과 심박수는 접촉 없이 실시간으로 측정되며, 수면 중에도 정확도가 유지됩니다. 17개 신체 주요 지점의 자세를 추정하는 기능도 포함되어 있으나, 현재 상태에 따라 신뢰도가 다릅니다. Hugging Face에 공개된 사전 학습 모델은 82.3%의 홀드아웃 정확도를 보이며, 4비트 양자화 시 8KB 용량으로 라즈베리파이에서 마이크로초 단위 처리가 가능합니다. 반면, ESP32에서 직접 실행되는 온디바이스 자세 모델은 아직 초기 단계로, 목표 정확도(35%)에 미치지 못하는 3.0%의 PCK@20을 기록하고 있어 실용화 전 단계입니다. MM-Fi 벤치마크에서는 82.69%의 정확도로 기존 SOTA를 상회하지만, 이는 연구용 데이터셋 기준이며 실제 단일 ESP32 환경과는 차이가 있습니다.
스마트홈 생태계 연동과 로컬 자동화
Home Assistant, Apple Home, Google Home, Amazon Alexa와 네이티브 연동이 지원됩니다. Home Assistant에는 MQTT 발행자를 통해 21개의 엔티티(원시 신호 11개, 추론된 의미 상태 10개)를 노출하며, 3개의 시작용 블루프린트가 제공됩니다. Apple Home 및 다른 생태계에서는 Matter 브리지로 페어링하여 음성 어시스턴트로 방별 존재감과 생체 신호를 조회할 수 있습니다. HOMECORE 모듈은 상태 관리, 히스토리, 자동화, 서명된 Wasm 플러그인, 홈킷 지원을 제공하여 클라우드 없이 로컬에서 완전한 자동화 루프를 구성합니다. AI 운영자(MetaHarness)를 통해 온보딩, 보정, 학습, 검증 과정을 가이드하며, MCP 서버를 통해 ChatGPT 등 외부 AI 도구와도 연동 가능합니다.
하드웨어 구성과 설치 경로
기본 구성은 ESP32-S3 보드(약 9달러)와 인지티브 시드(Cognitum Seed)로, 총 BOM 비용은 약 140달러입니다. ESP32 메시만 구성해도 약 54달러로 핵심 감지 기능을 사용할 수 있으며, 연구용 NIC나 시뮬레이터로 파이프라인 검증도 가능합니다. Docker 이미지를 통해 하드웨어 없이 시뮬레이션 데이터로 평가할 수 있고, Python 패키지(ruview)나 npm 패키지(@ruvnet/ruview)로 개발 환경을 구축할 수 있습니다. ESP32-C6 보드는 WiFi 6 및 802.15.4 연구용 감지를 지원하며, 저전력 모드와 TWT 설정을 통해 배터리 기반 노드 운영이 가능합니다. 모든 엣지 모듈은 서명된 바이너리로 배포되며, 기기가 카탈로그를 OTA로 업데이트하고 설치 전 무결성을 검증합니다.
도입 전 확인해야 할 한계와 상태
이 시스템은 완전한 클라우드 독립형이지만, 일부 기능은 여전히 연구 단계이거나 제한적입니다. 특히 ESP32 단일 안테나 환경에서의 자세 추정은 아직 신뢰할 만한 수준에 도달하지 못했으며, 이는 README에서 명확히 고지하고 있습니다. 공개된 모델 중 model.safetensors 파일은 헤더 문제로 인해 일부 로더에서 거부될 수 있어, csi-embed-v2.safetensors나 JSONL 형식을 사용하는 것이 안전합니다. 하드웨어 없이 Docker로 평가할 경우 RSSI 기반의 거친 존재 감지만 가능하며, 정밀한 CSI 기반 기능은 반드시 ESP32-S3 또는 연구용 NIC가 필요합니다. 라이선스나 장기적인 유지보수 정책은 README에 명시되지 않았으므로, 상용 배포 전 법적 검토가 필요합니다.
