RuView 調査レポート

開発元: ruvnet
カテゴリ: 🛡️ セキュリティ
公式サイト GitHub DeepWiki CodeWiki Markdown

市販のWiFi信号を用いて、カメラやウェアラブルなしで人間の姿勢推定やバイタルサイン監視を行うオープンソースシステム

総合評価
83点
基準点70点からの評価
オープンソース
OSS
無料プラン
あり
最低価格
無料
対象ユーザー
研究者開発者インフラ/設備管理者
更新頻度
高
🆕 最新情報: 2026年6月にv1701をリリースし、Home Assistant・Matter連携やプラグインのセキュリティ（Ed25519署名）を強化

📋 評価の詳細

👍 加点項目

  • +5 カメラを使用しないプライバシー保護に優れた設計
  • +5 ESP32など安価なハードウェアで高精度なセンシングを実現
  • +5 Rustによる高速なパイプラインとDocker等での容易なセットアップ

👎 減点項目

  • -2 日本語のドキュメントやサポートが不足
総評: プライバシーを保護しつつ高度な人間のセンシングを可能にする画期的な技術であり、導入のしやすさとコストパフォーマンスに優れている

RuView 調査レポート

1. 基本情報

  • ツール名: RuView (旧: WiFi DensePose)
  • ツールの読み方: ルービュー / ワイファイ デンスポーズ
  • 開発元: ruvnet
  • 公式サイト: https://github.com/ruvnet/RuView
  • 関連リンク:
  • カテゴリ: セキュリティ/解析 / ハードウェア
  • 概要: 市販のWiFi信号（CSIデータなど）を用いて、カメラや専用のウェアラブルデバイスを一切使用せずに、リアルタイムで人間の姿勢推定、バイタルサインの監視、および存在検知を行うシステム。 物理ベースの信号処理と機械学習（RuVectorクレートを活用）を組み合わせ、高い精度と高速な処理（Rust製で54K fps）を実現している。

2. 目的と主な利用シーン

  • 解決する課題: プライバシー規制（GDPRやHIPAAなど）に準拠した上での人間行動やバイタルサインのセンシング。壁や瓦礫などの障害物がある環境での監視、完全な暗闇でのセンシング。
  • 想定利用者: IoT開発者、医療・介護施設の管理者、小売業・オフィス空間の管理者、災害救助隊員。
  • 利用シーン:
    • 医療・介護: 高齢者施設での転倒検知、就寝中の呼吸・心拍モニタリング。プライバシーを侵害することなく24時間監視が可能。
    • 災害救助 (WiFi-Mat): 地震などの災害時に、瓦礫や障害物越しに生存者の呼吸を検知し、START式トリアージを自動で行う。
    • スマートホーム・ビルディング: オフィスの利用状況（どのデスクが使用されているか等）の把握や、壁越しの照明・空調自動制御。Home AssistantやMatter（Apple Home, Google Home, Alexa等）と連携し、声での状態確認が可能。
    • 小売・飲食: プライバシーを守りながらの顧客の動線分析、店舗内滞在時間の測定。

3. 主要機能

  • プライバシーファーストなセンシング: カメラ映像などの画像データを一切使用せず、WiFiの電波の乱れのみで人間の姿勢や動きを追跡する。
  • リアルタイム処理: フレームあたり100マイクロ秒未満で処理を行う高速性。Rustによるバックエンドで1秒間に54,000フレーム以上の処理が可能。
  • バイタルサイン検出: ウェアラブルなしで、6〜30回/分の呼吸と40〜120回/分の心拍数を検知する。
  • マルチパーソン・トラッキング: 1つのアクセスポイントで同時に3〜5人の姿勢やバイタルサインを個別にトラッキング可能。アクセスポイントを追加することで拡張可能。
  • 壁越しのセンシング (Through-Wall): 電波が壁や家具を通過する性質を利用し、カメラでは検知できない遮蔽物越しのセンシングに対応。
  • 自己学習AI (Self-Learning WiFi AI): 教師なしで各部屋の「指紋」を学習し、未知の環境にも自動で適応して環境の異常や人物の再識別を行う。
  • スマートホーム連携: HA-DISCO MQTTおよびMatterエンドポイントを通じて、Home Assistant, Apple Home, Google Home, Amazon Alexa等とネイティブに連携可能。
  • WiFi-Mat (災害対応モジュール): 生存者の瓦礫越しでの検知と3Dローカライゼーション、優先度判定（STARTトリアージ）を行う専用モジュール。

4. 開始手順・セットアップ

  • 前提条件:
    • 動作環境: Linux, macOS, Windows
    • ランタイム: Docker推奨。ソースからビルドする場合はRust (1.70以上) または Python (3.8以上) が必要。
    • ハードウェア: 高度な機能（姿勢推定、バイタルなど）にはCSIに対応したハードウェア（ESP32-S3、Intel 5300など）が必要だが、検証用や単純な存在検知には通常のWiFiでも可能。アカウント登録・クレカ登録は不要。

  • インストール/導入 (Docker): 最も簡単な開始方法はDockerイメージを使用すること。

    docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 -p 3001:3001 -p 5005:5005/udp ruvnet/wifi-densepose:latest
  • 初期設定: ハードウェア（ESP32-S3など）を使用する場合は、専用のファームウェアをフラッシュするスクリプトが用意されている。 また、対話式のインストーラ (./install.sh) を実行することで環境に合わせた最適なプロファイルをセットアップ可能。

  • クイックスタート: Python API経由での呼び出し例：

    from wifi_densepose import WiFiDensePose

system = WiFiDensePose()
system.start()
poses = system.get_latest_poses()
print(f"Detected {len(poses)} persons")
system.stop()

5. 特徴・強み (Pros)

  • 圧倒的なプライバシー保護: 映像データを取得しないため、バスルーム、更衣室、病室などカメラを設置できない場所でも安全に稼働できる。
  • 安価なハードウェアコスト: 高価なLIDARや専用レーダーの代わりに、ESP32-S3などの非常に安価なチップ（約8ドル）や既存のエンタープライズWiFiを利用できる。
  • 物理的な障害物への耐性: 煙、埃、霧、壁、家具などを透過してセンシングできるため、火災現場や瓦礫の下など過酷な環境でも機能する。
  • 高速かつ軽量: 最新バージョンではRustに完全に移植されており、Python版と比較して最大810倍の速度向上を実現。Dockerイメージも132MBと軽量。

6. 弱み・注意点 (Cons)

  • ハードウェアへの依存: 姿勢推定、バイタルサイン、壁越しセンシングなどの主要機能には、CSI（Channel State Information）を抽出可能な特定のハードウェア（ESP32-S3、Intel 5300など）が必須である。一般的なコンシューマ向けWiFi機器ではRSSIベースの存在検知のみとなる。
  • 日本語対応: 現在、公式ドキュメントやUIなどは英語が中心であり、日本語での公式サポートは提供されていない。
  • 学習コストと導入難易度: Dockerイメージを使えば容易だが、独自のハードウェア（ESP32など）でメッシュネットワークを構築して運用する場合、ファームウェアの書き込みやネットワーキングの知識が要求される。

7. 料金プラン

本ツールはオープンソースソフトウェア（MITライセンス）として提供されており、完全に無料で利用できる。

プラン名 料金 主な特徴
オープンソース 無料 すべての機能、ローカル実行、商用利用が可能（MITライセンス）
  • ハードウェア費用: ソフトウェアは無料だが、ESP32-S3モジュールの調達費用として、1ノードあたり約8ドルの初期コストが発生する（例: 3〜6ノードで約54ドル）。

8. 導入実績・事例

特定の企業名などの導入実績は公開されていないが、以下の分野での利用や想定ユースケースが報告されている。

  • 災害救助 (WiFi-Mat): 瓦礫越しに生存者を検出し、呼吸に基づくトリアージを行う用途。
  • 医療・介護現場: 病室や介護施設において、カメラを使わずに就寝中の呼吸・心拍を監視し、異常を検知する用途。
  • スマートホーム・小売: 顧客の動線分析や、オフィスビルでの部屋単位の利用状況の把握。

9. サポート体制

  • ドキュメント: GitHubリポジトリ内に詳細なドキュメント（ユーザーガイド、ビルドガイド、ADR等の設計文書）が完備されている。
  • コミュニティ: GitHub Discussionsでのコミュニティディスカッションが利用可能。
  • 公式サポート: オープンソースプロジェクトのため、企業向けのSLAを伴う公式サポートは提供されていない。バグ報告や機能要望はGitHub Issuesで行う。

10. エコシステムと連携

10.1 API・外部サービス連携

  • API: センシングデータやバイタルサイン、モデル設定などにアクセス可能なREST APIと、リアルタイムデータストリーミング用のWebSocket API（ポート3000および3001）が提供されている。
  • 外部サービス連携: MQTT (HA-DISCO) および Matter を介して、Home Assistant, Apple Home, Google Home, Amazon Alexa などのスマートホームエコシステムとネイティブに連携可能。また、REST/WebSocket APIによるカスタムダッシュボードとの連携もサポートする。

10.2 技術スタックとの相性

技術スタック 相性 メリット・推奨理由 懸念点・注意点
Rust ◎ コアロジックがRustに移植されており、極めて高いパフォーマンスとメモリ安全性を実現。 特になし
Python ◯ 検証用途や以前のバージョン（v1）のAPIラッパーが提供されており、機械学習パイプラインとの連携が容易。 Rust版（v2）と比較して処理速度が大幅に劣る（約810分の1）
Docker ◎ 環境構築が不要になる公式のDockerイメージが提供されている。 特になし
JavaScript / WebGL ◯ 提供されるWebSocketを利用して、Three.js等を用いたブラウザ上のリアルタイム可視化（Gaussian Splatting等）が可能。 独自実装が必要

11. セキュリティとコンプライアンス

  • データ管理とプライバシー: カメラ映像や音声を一切収集しないため、GDPR（映像・音声）やHIPAA（画像）の厳しいプライバシー規制を回避できる設計となっている。生のWiFi信号の乱れのみを利用し、個人の識別はシステム内で生成される匿名化された信号の「指紋」のみで行われる。
  • 認証: 基本的なAPI提供であるため、独自の認証機能の記載は公式サイトには見当たらない。セキュアなネットワーク環境での利用か、APIゲートウェイなどと組み合わせた構成が必要。
  • 準拠規格: プライバシー・バイ・デザインを体現しているが、特定のセキュリティ認証（ISO27001やSOC2など）を取得しているとの明記はない。

12. 操作性 (UI/UX) と学習コスト

  • UI/UX: 基本はAPIやCUIベースだが、Three.jsを利用したWeb UIも提供されており、17関節の3Dボディモデルやリアルタイムの信号データをブラウザ上で視覚化できる。
  • 学習コスト: Dockerイメージを使えば数コマンドで起動でき学習コストは非常に低い。一方、コアのアルゴリズム（RuVectorや信号処理）を理解したり、IoTメッシュネットワークを構築したりするにはハードウェア・ネットワークの専門知識が必要。

13. ベストプラクティス

  • 効果的な活用法 (Modern Practices):
    • ESP32-S3メッシュの活用: 最も安価で高度な機能（姿勢、呼吸、心拍、動作検知）を利用するため、数個のESP32モジュールでネットワークを構築することが推奨される。
    • 自己学習AI (SONA) の活用: 環境に依存するCSIの特徴を継続的に学習（Micro-LoRA + EWC++）させることで、精度を向上させながら忘却を防ぐことができる。
  • 陥りやすい罠 (Antipatterns):
    • コンシューマWiFiでの過度な期待: 一般のWindows WiFiなどはRSSIベース（存在や大まかな動きのみ検知）となり、姿勢やバイタルを期待すると動作しないため、ユースケースに合わせたハードウェア選定が必要。

14. ユーザーの声（レビュー分析）

  • 調査対象: GitHubのスターやフォーク数、コミュニティ上の反響
  • 総合評価: GitHubで15,000以上のスターと1,600以上のフォークを獲得しており、開発者や研究者からの関心と評価が非常に高い。
  • ポジティブな評価:
    • カメラ不要でプライバシーを守れる画期的なアプローチである点。
    • 壁越しの検知や、暗闇でも稼働するといった特異な性能。
    • Dockerや安価なハードウェアにより、導入障壁が低く試しやすい点。
  • ネガティブな評価 / 改善要望:
    • より多様な市販のルーターのCSI抽出をサポートしてほしいとの要望。
    • 日本語を含む多言語でのドキュメント整備を求める声。
  • 特徴的なユースケース:
    • 瓦礫の下の生存者探索など、カメラやレーダーが使えない極限環境での活用。

15. 直近半年のアップデート情報

  • 2026-06-12: v1701リリース。ゼロワーニング対応など。
  • 2026-06-12: v1692リリース。プラグインのセキュリティ（Ed25519署名、機能分離など）強化、Bounded RunModesの導入（ADR-162）。
  • 2026-06-12: v1689リリース。ホームオートメーションエンジンのセキュリティ修正および機能強化（ADR-161）。
  • 2026-06-12: v1686リリース。Edge-skill appliance対応および crates.io パブリッシュ対応。
  • 2026-03-01: v2.3.0リリース。エンドツーエンドのトレーニングパイプライン（MM-Fi, Wi-Pose）、Dockerイメージ公開、およびバイタルサイン検知の追加。
  • 2026-02-28: v2.2.0リリース。対話式のガイド付きインストーラ導入、6つのSOTA信号アルゴリズム、WiFi-Mat（災害対応モジュール）の追加。
  • 2026-02-28: v2.1.0リリース。PythonからRustへの完全移植（810倍の高速化）、RuVectorの統合、Three.jsによる可視化。

(出典: GitHub Releases)

16. 類似ツールとの比較

16.1 機能比較表 (星取表)

機能カテゴリ 機能項目 RuView 監視カメラ スマートウォッチ LiDARシステム
基本機能 姿勢推定 ◎
WiFi電波を利用		 ◎
映像解析		 ×
非対応		 ◯
ポイントクラウド解析
バイタル 呼吸・心拍 ◯
電波の微細な変動から		 △
一部可能だが制限有		 ◎
直接計測で高精度		 ×
通常は非対応
環境適応 障害物透過 ◎
壁や瓦礫を透過		 ×
視界が遮られると不可		 -
関係なし		 ×
光が届く範囲のみ
プライバシー カメラレス ◎
映像一切なし		 ×
映像を記録		 ◎
カメラ不要		 ◯
個人特定は困難

16.2 詳細比較

ツール名 特徴 強み 弱み 選択肢となるケース
RuView WiFi信号から人間の姿勢とバイタルを推測 プライバシー保護、壁越し、安価なハードウェア CSI対応ハードウェアが必要 医療・介護、更衣室、災害現場などプライバシーと壁透過が求められる環境
監視カメラ 映像ベースのAI解析 高解像度、確立されたAI技術 プライバシー問題、死角がある、暗闇・煙に弱い 公共空間、顔認識など詳細な人物特定が必要な場合
スマートウォッチ 身体に直接装着するセンサー 高精度なバイタル計測、常時接続 装着が必要（非協力的だと不可） 個人が自発的に健康管理を行う場合
LiDARシステム レーザーを用いた3Dマッピング 高精度な空間認識、暗闇でも動作 機器が高価、壁は透過できない 自動運転、精密なロボットナビゲーション

17. 総評

  • 総合的な評価: RuViewは、プライバシー侵害の懸念からこれまでセンシングが困難だった空間（病室や更衣室など）や、カメラが機能しない環境（瓦礫の下、煙の中）でのモニタリングを可能にする画期的なソリューションである。Rustへの移行によりパフォーマンスも実用レベルに達しており、極めて高く評価できる。
  • 推奨されるチームやプロジェクト: IoT開発チーム、医療・介護施設向けのソリューションプロバイダー、災害救助テクノロジーの研究機関、スマートホームシステム開発者。
  • 選択時のポイント: 導入する環境においてCSIを取得できるハードウェア（ESP32など）を設置可能かどうかが鍵となる。ハードウェア要件さえクリアできれば、コストパフォーマンスとプライバシー保護の観点で他の追随を許さないソリューションとなり得る。