RuView ADR-152 实战解析WiFi 姿态估计 SOTA 情报入档——几何条件化校准、外部基准复现与基础编码器训练配方【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView本文基于 RuView 仓库中的架构决策记录 ADR-152完整解读 2025–2026 年 WiFi 人体感知 SOTA 调研deep-research intake的五大已验证发现、四项已采纳决策以及外部模型 WiFlow-STD 的基准复现结论并结合仓库中已落地的wifi-densepose-calibration源码几何记录、几何嵌入与benchmarks/wiflow-std实测报告讲清布局记忆化失效模式如何被几何条件化机制在 Rust 侧实现、外部 SOTA 数字如何按CLAIMED/MEASURED证据分级被复现或撤回。读完后你可以掌握如何为每房间校准银行附加收发器几何条件、如何按证据分级管理外部性能声明、以及 MAE 掩码预训练配方的具体超参数选择依据。1. 背景一次带对抗验证的 SOTA 情报入档ADR-152 的出发点是回答两个问题RuView 下一步应该集成什么已发表的工作中有没有任何一项推翻我们当前方向为此2026-06-10 执行了一次结构化深度调研抓取 22 个信源、提取 110 条声明其中 25 条经过 3 票对抗式独立评审验证最终 24 条确认、1 条被驳回。ADR 中所有性能数字都被标注了证据等级——绝大多数是论文作者自报的预印本结果在自家硬件复现之前一律视为CLAIMED声称值只有经过工件检查、标准机构记录或实测复现的内容才标记为MEASURED测量值。这种声明与测量分离的表述纪律是理解整份 ADR 的关键。关联文档定位Codebase target为三个 cratewifi-densepose-calibration几何条件化ADR-151 Stage 2 的扩展、wifi-densepose-train相机监督路径、MAE 配方、wifi-densepose-cli基准 harness并显式关联 ADR-151每房间校准、ADR-150RF 基础编码器、ADR-135空房间基线、ADR-079相机监督姿态。1.1 五大已验证发现(F1) 坐标过拟合是相机监督 WiFi 姿态的一个被命名、被诊断的失效模式——而 ADR-079 管线正是它的形状。PerceptAlign被 ACM MobiCom 2026 接收的预印本表明把 CSI 直接回归到相机坐标系坐标的模型会记忆部署特定的收发器布局SOTA 基线在未见过场景中退化到 600 mm MPJPE。其修复代价很低用两块棋盘格和几张照片做 5 分钟的校准把 WiFi 与视觉对齐到同一 3D 坐标系并把收发器位置嵌入与 CSI 特征融合。声称值域内误差 −12.3%跨域误差 −60% 以上并放出自称最大的跨域 3D WiFi 姿态数据集21 名受试者、5 个场景、18 种动作、7 种设备布局。证据等级改进数字为 CLAIMED预印本但失效模式本身被跨域文献交叉印证且被 RuView 自己的 ADR-150 数据独立佐证域内 81.63% vs 无泄漏跨受试者躯干 PCK 约 11.6%。(F2) 一个名为 WiFlow 的外部模型声称 97.25% PCK202.23M 参数且开源了全部工件。2026 年 4 月的论文时空解耦 CSI 姿态估计97.25% PCK20 / 99.48% PCK50 / 0.007 m MPJPE2.23M 参数int8 约 2.2 MB代码、预训练权重和 36 万样本 CSI-姿态数据集均按 Apache-2.0 公开。证据等级工件可得性 MEASURED直接仓库检查PCK 数字 CLAIMED5 名受试者、域内、自采数据集硬件未指明15 关键点 vs RuView 的 17 关键点。ADR 特别标注了命名冲突该外部模型与 RuView 内部 WiFlow 模型无关所有文档中统一称WiFlow-STD (DY2434)。(F3) 对 CSI 基础编码器而言瓶颈是数据规模而非模型容量且 tokenization 配方已经可知。UNSW 的 MAE 预训练研究2025 年 11 月是迄今最大的异构 CSI 预训练1,320,892 样本、14 个公开数据集含 MM-Fi、Widar 3.0、Person-in-WiFi 3D4 种设备2.4/5/6 GHz20–160 MHz报告零样本跨域增益 2.2–15.7%未见域性能随预训练数据量对数线性增长、在 1.3M 样本处未饱和而 ViT-Base 相对 ViT-Small 仅多 0.4–0.9%。最优配方80% 掩码率、(30,3) 小 patch比 (40,5) 高 4.7%因为保留更细的时间动态。证据等级研究内消融为 MEASURED但属预印本且下游任务是分类而非姿态——姿态迁移只是假设。该结果独立印证了 ADR-150 的发现容量增大对跨受试者有害。(F4) 硬件/标准802.11bf 已定稿Espressif 官方感知已可用Wi-Fi 6 AP 的 CSI 可达。IEEE 802.11bf-2025于 2025-09-26 发布对照 IEEE SA 记录验证——7 GHz 以下与 45 GHz 以上两个频段的标准感知程序均已完成含正式的 sensing setup/feedback 流程尚无 ESP32 芯片实现。证据等级 MEASURED标准机构记录。Espressifesp_wifi_sensingApache-2.0v0.1.xESP Component Registry官方 CSI 在场/运动状态机esp-csi 活跃维护2026-04-22 有提交已验证CSI 在 ESP32/S2/C3/S3/C5/C6/C61 全系确认可用。证据等级 MEASURED。⚠️ 其与 RuView 节点即插即用兼容的更强说法被对抗评审 0-3 驳回——Wi-Fi 6 器件使用不同的 CSI 采集配置结构。ZTECSITool从商用 Wi-Fi 6 AP 提取 CSI最高 160 MHz / 512 子载波约为 ESP32 子载波数的 5–10 倍增益来自孔径而非每 Hz 粒度固件需 ZTE 序列号审批。能力为厂商工具论文 CLAIMED代码工件 MEASURED。(F5) 2025–2026 没有任何工作从商用 WiFi 做完整 DensePose UV 回归。关键点姿态仍是领域前沿。三篇无线基础模型论文被全文检索筛查剔除HeterCSI 仅含模拟蜂窝信道NeurIPS-2025 FMCW 试点是 mmWave 雷达且仅在场另一篇是综述无工件。证据等级 MEASURED缺席性由候选全文检查确认但整个文献无此类工作的强度天然更弱。1.2 这对 ADR-151 校准系统意味着什么ADR-151 的注册协议采集引导式人体锚点但不记录也不以收发器几何为条件。F1 指出这个遗漏恰恰是让相机监督以及合理的推断是锚点监督头布局脆弱的原因。ADR-151 的先教房间、再教模型论点被 F1强化——PerceptAlign 是布局必须被显式建模的独立证据且修复方案与 ADR-151 Stage-2 注册流程天然可组合。ADR-150 的掩码 CSI 编码器设计被 F3验证并直接拿到了超参数与优先级判断在放大编码器之前先采集/汇聚更多异构 CSI。2. 四项决策与源码落地ADR-152 采纳四项变更按投入 vs 收益排序。2.1 几何条件化校准系统扩展 ADR-151 Stage 2——已接受决策共四条注册时记录收发器几何。EnrollmentProtocol为每个节点增加可选的NodeGeometry记录位置估计、天线朝向、已知的节点间距离与房间基线一起存入银行schema 版本化保证旧银行仍可读。把几何嵌入融合进专家训练。当专家头消费未来 ADR-150 的骨干嵌入时拼接一小段NodeGeometry的学习嵌入——即 PerceptAlign 机制移植到每房间银行。当前统计型专家忽略它未来的 LoRA 头ADR-151 P6消费它。相机监督路径ADR-079采用双棋盘格对齐。使用 MediaPipe 监督时先做相机↔WiFi 的共享 3D 坐标系校准5 分钟、两块棋盘格、几张照片。这是针对 F1 的正面防御。92.9% PCK20这一旧数字已在测量中被撤回幸存的留出集在一个绝对非躯干归一化阈值下、对 69 个近静态帧而言是一个常数输出模型平均预测器在同一协议下得 100%。§2.2 的禁引规则自此适用于它。在 PerceptAlign 跨域数据集21 受试者/7 布局上评估作为 MERIDIAN 跨布局基准——以确认可下载性与许可为门槛。门槛已解决2026-06-10仓库检查 MEASURED仓库存在、MIT 许可、数据集可从 HuggingFace 下载5 个按场景仓库原始 CSI 独立视觉关键点Intel 53001TX×3RX×3 天线57 子载波——与 ESP32 子载波数同一量级Scene3 附带 3 种不同布局代码存在无预训练权重。基准采纳已解除阻塞。仓库中第 1、2 条已经在wifi-densepose-calibrationcrate 中落地为纯 Rust、可边缘部署的模块aNodeGeometry记录ADR-152 §2.1.1 的实现见 geometry.rs。每个字段有意全部可选几何在操作者知道它时才记录卷尺、棋盘格校准、安装平面图不知道时省略一个全未知记录也有用——它固定了哪些节点存在以及几何未被测量这一事实。核心类型/// 注册时记录的每节点收发器几何ADR-152 §2.1.1 pub struct NodeGeometry { pub node_id: u8, // 与多静态融合同一 id 空间 pub position: OptionPositionEstimate, // (x_m, y_m, z_m) 米 pub orientation: OptionAntennaOrientation, // 方位角/俯仰角弧度 pub distances_m: BTreeMapu8, f32, // 已知节点间距离 pub method: String, // 溯源tape-measure/checkerboard/floor-plan/unknown }配套 API 采用 builder 风格NodeGeometry::new(1, tape-measure).with_position(0.5, 2.0, 1.2).with_orientation(π/2, 0.0).with_distance(2, 3.4)is_unmeasured()在除节点 id 外无任何测量时返回true。serde 序列化上使用skip_serializing_if#[serde(default)]可选字段为None时干脆不出现在 JSON 里旧银行/旧会话反序列化为空几何schema 兼容模式与PresenceSpecialist::mean_dist_threshold相同。模块内测试覆盖了完整记录往返、全空记录往返断言 JSON 中不出现position/orientation/distances_m字段以及最小 JSON{node_id:3}的干净默认化。b注册会话与银行如何承载几何。从源码结构看EnrollmentSession事件溯源、append-only增加了一种事件record_geometry()追加EnrollmentEvent::GeometryRecorded { geometry, at }同一节点可多次修正、最新者生效因此几何修正是追加而非覆盖整个会话含几何事件持久化后可还原。SpecialistBank见 bank.rs则携带geometry: VecNodeGeometry快照字段——银行永远携带它被训练时所在的布局由with_geometry(...)在训练时从EnrollmentSession::geometry()注入。bank.rs 中的测试专门验证了三件兼容性事项几何快照 JSON 往返无几何的银行派生出全零嵌入以及一份几何功能出现之前持久化的银行 JSON 能干净反序列化、geometry为空且无几何银行序列化时不写出该字段保持旧形状。cGeometryEmbedding把布局记录变成 32 维条件向量ADR-152 §2.1.2 的实现见 geometry_embedding.rs。由于 crate 是纯 Rust、无 torch/candle嵌入不是训练好的网络而是一个确定性、良态的特征化学习部分如果有活在消费它的头里。它按构造具备三个性质固定维度 32GeometryEmbedding::DIM 32任意节点数下不变设计节点数 1–8更多节点仍聚合只是每节点标志槽截断置换不变节点按node_id排序聚合与顺序无关全函数total缺失数据优雅退化——全未知布局或空切片给出定义良好的向量永不产生NaN/inf对抗输入非有限坐标、1e30 量级按未测量处理。槽位布局v1坐标为原始米、角度为弧度、比例为 [0,1]不可测槽为 0.0槽位内容单位/范围0节点数 / 8截断到 [0,2][0, 2]1–3有位置/有朝向/有 ≥1 条实测距离的节点占比[0, 1]4–6位置质心 (x, y, z)m截断 ±10007–9位置逐轴标准差m10–12成对位置距离 min/mean/maxm13–15节点间距离 min/mean/max实测优先缺则用位置推导m16实测距离对覆盖率实测对/可能对[0, 1]17–19方位角圆均值单位向量 (cos, sin) 与集中度 R[-1, 1]20平均俯仰角rad21–22几何多样性位置协方差特征值比 λ2/λ1、λ3/λ10共线退化→1各向同性[0, 1]23主展布尺度 sqrt(λ1)m24–31每节点测量标志按 node_id 排序前 8 个0.25(存在)0.25(位置)0.25(朝向)0.25(距离){0}∪[0.25,1]实现上有几个值得注意的工程细节坐标超过MAX_COORD_M 1000米或非有限值一律视为未测量房间不是公里尺度同时防止协方差溢出3×3 对称协方差的特征值用闭式三角解无外部线性代数依赖内部 f64 保条件数双向都记录的成对距离取平均、指向未注册节点的条目被忽略最后还有一道不变式收尾——任何非有限值强制归零。测试套件3-4-5 三角形布局、置换不变性、实测距离覆盖位置推导距离、NaN/∞/1e30 对抗输入、12 节点聚合、serde 往返与旧 JSON 无版本字段默认化逐一锁定了这些行为。SpecialistBank::geometry_embedding()按需派生该向量不入库几何缺失的银行得到全零向量——这条空布局也有定义良好嵌入的语义正是 §2.1.2 中当前统计型专家忽略几何、未来 LoRA 头拼接消费在类型层面的体现。此外enrollment.rs中有一条与 ADR-152 调研直接相关的实现注记锚点运动度不取自基线偏差分的motion_flagged该标志在amplitude_z_median 2.0触发混淆了存在强度与运动——静止的强反射体会被误拒为运动过多而是从帧间 z/φ 变化Z_DELTA_MOTION 0.5推导运动按构造与存在强度无关。这是 §2.1 注册流程质量门的一个具体修正。2.2 对 WiFlow-STD (DY2434) 做基准——已接受规则是拉取 Apache-2.0 权重 36 万样本数据集做三项测量(a) 它的模型跑它的数据复现 97.25% 声明(b) 它的模型在我们的 ESP32 17 关键点评测集上微调(c) 我们的内部 WiFlow 在它的数据集上15 关键点子集映射。(a)–(c) 测完之前任何 RuView 文档不得把 97.25% 当作可比的数字引用——数据集、受试者、关键点都不同。仓库中的实测报告 benchmarks/wiflow-std/RESULTS.md 给出了 (a) 与 (b) 的完整结果这是 ADR-152 证据分级方法论最好的注脚(a) 复现——先证伪、再修复、再复现。工件核验MEASURED参数 2,225,042 与声明一致FLOPs 约 0.055 GFLOPs 与 0.07B 声明一致CPU 延迟 13.2 ms/窗batch 1。发布 checkpoint 按发布代码/数据/切分seed-42 文件级 70/15/1554,000 测试样本跑出 PCK20 0.08%发布值 97.25%MPJPE 为 NaN数据集含 NaN CSI 窗——REFUTED as shipped。诊断表明 checkpoint 确是训练过的模型但与发布数据用了不同的关键点归一化/顺序早于发布代码。发布工件共记录 6 个可复现缺陷models/__init__.py导入了tcn.py未定义的TemporalConvNet发布代码原样跑不起来checkpoint 使用改名前模块名第二个 checkpoint 是不同架构342 通道输入MM-Fi 布局不可用run.py忽略--data_dir数据集最后 13 个文件9,072 窗2.52%损坏——NaN 加最高 3.4e38float32 上限的垃圾幅值上游代码无 NaN/inf 处理照发布流程训练会从 epoch 1 就产生 NaNfp16 溢出且永久污染 BatchNorm 运行统计train.py调用了不存在的plot_training_history训练后的测试评估不可达。损坏窗掩码9,070 NaN/Inf 9,072 幅值超限并集 9,072全在文件 487–499作为提交的真值随仓库保存generate_corruption_masks.py 可从干净下载重新推导再生结果与提交掩码比特一致且拒绝写出全 False 掩码以防在已清理副本上误报。修复后按上游默认重训seed 42、batch 64、epoch 41 早停、RTX 5080PCK2096.09%全测试/96.61%去损坏MPJPE 0.0094–0.0098与发布值 97.25%/0.007 在同一量级。判定精度声明可信、近似可复现——但前提是修复了发布的数据集与代码。参数2.23M与 FLOPs 已独立核验。边缘侧实测同一报告torch 动态 int8 量化对这个模型什么也量化不了——架构里没有nn.Linear全部是 Conv1d×21 Conv2d×22 BatchNorm动态量化内核只覆盖 Linear/RNN 族int8 模型与 fp32 比特一致ONNX Runtime 是 batch-1 的真正收益3.2 vs 11.0 ms/窗精度等价 2.4e-7~2.2 MB int8是权重算术估计实际只能经支持卷积量化的工具链ORT 静态 PTQ conv-onlyPercentile/MinMax 校准达到约 2.4–2.53 MB且带 PCK20 −0.05~0.1 pt、MPJPE 10%~18% 的小代价。效率扫描还发现843k 参数的 half 变体在自家基准上严格优于 2.23M 全模型同 PCK20、更好的 PCK50 与 MPJPE、更快收敛56k 参数的 tiny 变体守住 94.11% PCK20tiny ONNX fp32 工件仅约 295 KB、CPU batch-1 0.66 ms/窗约 1500 窗/秒——该报告给出的部署建议是tiny 就发 ONNX fp32int8 在这个规模是坏交易。(b) 微调到我们自己的 ESP32 数据——未通过诚实性门槛。2026-06-11 的测量 (b) 用 2,046 个单房间配对窗单受试者、单房间、单 ESP32 节点多姿态走/举/蹲/踢/挥/转/跳/坐MediaPipe 置信度均值 0.802做了预注册协议时间切分70/15/15不跨时间洗牌、70→540 子载波 1×1 Conv1d 适配器 上游主干、躯干归一化 PCKtorso ‖左肩−左髋‖17 关键点 COCO 下用正确索引替换上游 15 关键点约定的 2/12 索引。三种运行对比运行PCK20MPJPE判读mean-pose 基线诚实性标尺95.9%0.0148常数姿态即可达到单受试者、归一化坐标下近静态预训练初始化 全量微调65.0%0.0313唯一能训起来的配置从零训练0.0%0.2554预算内塌缩冻结主干 线性适配器0.0%0.1260特征不迁移结论预训练带来的是优化迁移良态初始化 校准过的 BN/输出尺度而非特征迁移没有任何运行超过 mean-pose 基线因此从这条数据不能引用任何 CSI→姿态能力声明。确定性答案需要 mean-pose 变弱的多受试者/多姿态数据。报告同时记录了两个采集侧发现ESP32 流会发出混合帧类型csi_shape异构[70,20]/[134,20]/[26,20]…约 20.4% 原生 70 窗内部含零填充短帧对齐器存在帧主序填充 vs 声明形状的转置 bug加载时以reshape(nFrames, nSc).T修正——这是下一轮采集前应修复的问题。(c)我们的内部 WiFlow 在其数据集上仍阻塞目前没有已验证的内部姿态模型可比92.9% 工件已撤回ADR-150 §3 的 MM-Fi SOTA 模型是不同输入域。2.3 把 UNSW 配方套用到 ADR-150 编码器——已接受修订 ADR-150 §2.3预训练语料从同样的 14 个公开数据集1.3M 样本 我们的 home/MM-Fi 帧起步数据汇聚优先于架构工作。Tokenization80% 掩码、(30,3) 量级小 patch编码器保持 ViT-Small 量级约 15M 参数——F3 与我们自己的 DANN/transformer 结果一致容量不划算。已发表的对数线性未饱和扩展曲线给出预期更多异构 CSI 进更好的零样本出。2.4 硬件观察项——已接受当前不改代码802.11bf跟踪芯片/认证进展OTA 绑定继续推迟直到商用芯片暴露标准化感知测量。已由 ADR-153 修订2026-06-10现在实现纯 Rust 前向兼容协议层——类型化过程模型、确定性会话 FSM、传输抽象、仿真测试以及把当前 ESP32 CSI 批次映射到标准 sensing-report 形状的OpportunisticCsiBridge。esp_wifi_sensing把我们的在场管线与厂商 FSM 对跑一次基准一个下午的事有用的外部基线。不要当作即插即用声明已被驳回。ZTECSITool APADR-029 多静态 mesh 的可选高分辨率锚点节点——采购门槛仅当 160 MHz 锚点对层析成像有实质帮助才跟进。2.5 明确不采纳不转向不发布 WiFi-CSI 工件的无线基础模型论文HeterCSI、FMCW 试点、综述。不开 DensePose-UV 工作项领域尚未证明从商用 WiFi 做 UV 回归关键点仍是我们监督目标F5。2.6 RuVector 供应商同步与集成机会2026-06-10 增补vendor/ruvector从 pine383476012026-05-07移到a083bd77forigin/main超出 tagruvector-v0.2.283 个提交vendored 工作区版本 2.2.3区间 111 个提交约一半是 NAPI 二进制/lint 杂务实质性内容graph condensation 可微 min-cut#547、HNSW 核心正确性修复 v2.2.3#502、RUSTSEC/clippy 加固#504、ONNX embedder API 契约修复#523/#525仅 npm/TypeScript 包、死并行 worker 导入移除#532。证据等级 MEASUREDgit 区间 commit-stat 检查。工作区策略是仅用 crates.io 已发布版本因此未发布 crate 按定义都是 WATCH。机会表摘要Crate提供什么对应目标crates.io判定ruvector-graph-condense新#547免训练 min-cut 图凝聚 可微 normalized-cut 损失DiffCutCondenser解析 MinCutPool 风格梯度、梯度检查测试、保留溯源的超节点subcarrier_selection.rs把 114 子载波凝聚为保切分区域而非裸 min-cutwifi-densepose-train辅助聚类正则DynamicPersonMatcher区域结构未发布WATCH——本次同步中技术契合最强发布即采纳。README 的无已发表方法使用图切分凝聚为 CLAIMEDdiffcut 实现测试为 MEASUREDruvector-attention2.1.0#304 SOTA 模块MLA、KV-cache、SSM、稀疏/MoE、混合检索、Graph RAG取代model.rs空间注意力 bvp.rs用的 2.0.4SSM/MLA 是 ADR-150 编码器候选纯 Rust 边缘推理原语2.1.0现 pin 2.0.4ADOPT小版本提升先做 API 兼容检查ruvector-gnn2.2.0panic→Result构造器、梯度裁剪、MSE/CE/BCE 损失、带种 RNG 层初始化wifi-densepose-trainGNN 路径现 pin 2.0.5default-features false2.2.0现 pin 2.0.5ADOPT提升ruvector-mincut/ruvector-solver2.0.6patch 级修复2026-03-25 工作区重发布metrics.rsDynamicPersonMatcher、子载波插值、三角定位2.0.6现各 pin 2.0.4ADOPT例行 patch 提升ruvector-core2.2.3vendorHNSW 正确性k0 守卫、排序结果、flat-index 修复、跨集成辅助#502MEASUREDhomecore-recorder的RuvectorSemanticIndex真实 HNSW 消费者最新发布 2.2.02.2.3 未发布WATCH——2.2.3 一发布即提升ruvector-cnn2.0.6纯 Rust SIMD 卷积核AVX2/NEON/WASM、MobileNetV3、INT8 量化、对比损失InfoNCE/triplet#252不是WiFlow-STD 训练移植——wiflow_std/model.rs是 tch/libtorchMEASURED相关的是训练好的 ~2.2 MB int8 模型的边缘推理路径InfoNCE/triplet 与 AETHERADR-024重叠2.0.6EVALUATE——仅当承诺 WiFlow-STD 类模型走无 libtorch 边缘运行时ruvector-acorn较新ACORN 谓词无关过滤 HNSWSIGMOD24 算法γ·M 更密图应对低选择性过滤对 ADR-151 校准银行做元数据过滤模式检索——投机性银行规模远未到过滤 ANN 召回崩塌区间未发布WATCHruvector-cluster2.0.6分布式分片、gossip 发现、DAG 共识当前无需求ADR-029 mesh 协调在 ESP32 侧不在向量库侧2.0.6WATCHONNX embedder 修复#523/#525npm/packages/ruvectorTypeScript中的 API 契约 打包修复无——wifi-densepose-nn的 ONNX 后端是 Rustort/tract不受影响MEASURED提交只触及 npm/n/a无动作ruvector-perception新#547物理感知基底假设/拓扑/见证模块——面向 agent 感知非 RF未发现对应项未发布WATCH仅名字重叠安全注记RUSTSEC #504实质性修复针对ruvllm、ruvector-dag、prime-radiant、rvagent-*与ruvector-serverHTTP 端点NaN 安全partial_cmp、输入校验守卫、环境白名单 exec——这些都不在我们 pin 的版本上提交声明cargo audit全工作区干净。结论无 pin 版本存在未解决公告无紧急提升需求NaN 排序加固是 pin 的 2.0.4 时代 crate 早于其的健壮性卫生这构成例行提升的又一理由。版本提升建议后续 PR本 ADR 不改 Cargo.tomlruvector-mincut2.0.4→2.0.6、ruvector-solver2.0.4→2.0.6、ruvector-attention2.0.4→2.1.0、ruvector-gnn2.0.5→2.2.0ruvector-core2.2.0、ruvector-attn-mincut2.0.4、ruvector-temporal-tensor2.0.6、ruvector-crv0.1.1 均已为最新发布。本次同步不改变 §2.1 几何条件化viewpoint/attention.rs的GeometricBias已实现融合机制也不改变 ADR-150 MAE 配方训练仍在 tch 中。3. 后果、风险与开放问题正面校准系统获得了 2026 文献指出的布局脆弱 vs 布局鲁棒的分水岭机制几何条件化ADR-150 拿到了一个有测量依据的训练配方而非猜测我们获得了两个外部基准WiFlow-STD、PerceptAlign 数据集以保持声明诚实。负面/风险几何记录给银行增加 schema 面缓解可选 版本化所有采纳数字在我们自己的基准跑完前都是预印本级缓解§2.2 禁引规则PerceptAlign 数据集许可未确认已设门槛后解决文档命名冲突风险缓解WiFlow-STD (DY2434) 命名规则。2026-12 复查802.11bf 芯片进展、esp_wifi_sensing 成熟度当前 v0.1.x、预印本领域最新信源 2026 年 4 月。开放问题来自调研运行WiFlow-STD 在 ESP32-S3/C6 CSI更少子载波、更低 SNR上微调、按我们的 17 关键点集评分时能否保持精度——已由测量 (b) 部分回答只有优化迁移、无特征迁移、且未超过 mean-pose 基线确定性答案需要多受试者/多姿态数据。PerceptAlign 数据集是否可下载、双棋盘格流程是否适配 ESP32 收发器几何——下载性已解决MIT流程适配仍开放。esp_wifi_sensing 是否会朝 802.11bf 合规演进、取代机会性 CSI 提取4. 延伸阅读与参考文件本 ADR 的价值不在于宣布集成什么而在于演示了一套可复制的工程纪律外部声明必须过对抗验证与证据分级CLAIMED/MEASURED/REFUTED性能数字在自家工件复现前禁止引用被证伪的数字公开撤回92.9% PCK20 的撤回流程就是范例。结合 ADR-151 的每房间校准管线baseline → enroll → extract → train约 4 分钟引导式锚点注册与 ADR-150 的基础编码器ADR-152 把 RuView 的姿态估计方向钉在几何条件化 诚实基准两条腿上。决策原文ADR-152含逐信源证据分级登记表几何记录实现geometry.rs、geometry_embedding.rs注册/银行集成enrollment.rs质量门默认阈值min_presence_z 1.5、empty_max_z 1.0、max_still_motion 0.6、min_move_motion 0.3、min_frames 60运动判定常数Z_DELTA_MOTION 0.5、anchor.rsGeometryRecorded事件、latest-wins、bank.rswith_geometry/geometry_embedding/ 前几何时代 JSON 兼容测试上游校准系统ADR-151CLIwifi-densepose enroll --room living-room注册流程、8 锚点约 4 分钟、STALE诚实降级契约外部基准实测benchmarks/wiflow-std/RESULTS.md测量 (a)/(b)、损坏掩码、边缘量化与效率扫描脚本见 eval_repro.py、static_ptq_bench.py、tiny_edge_bench.py相关决策ADR-153802.11bf 协议层、ADR-150、ADR-079、ADR-135【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 RuView ADR-152 实战解析：WiFi 姿态估计 SOTA 情报入档——几何条件化校准、外部基准复现与基础编码器训练配方
RuView ADR-152 实战解析WiFi 姿态估计 SOTA 情报入档——几何条件化校准、外部基准复现与基础编码器训练配方【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView本文基于 RuView 仓库中的架构决策记录 ADR-152完整解读 2025–2026 年 WiFi 人体感知 SOTA 调研deep-research intake的五大已验证发现、四项已采纳决策以及外部模型 WiFlow-STD 的基准复现结论并结合仓库中已落地的wifi-densepose-calibration源码几何记录、几何嵌入与benchmarks/wiflow-std实测报告讲清布局记忆化失效模式如何被几何条件化机制在 Rust 侧实现、外部 SOTA 数字如何按CLAIMED/MEASURED证据分级被复现或撤回。读完后你可以掌握如何为每房间校准银行附加收发器几何条件、如何按证据分级管理外部性能声明、以及 MAE 掩码预训练配方的具体超参数选择依据。1. 背景一次带对抗验证的 SOTA 情报入档ADR-152 的出发点是回答两个问题RuView 下一步应该集成什么已发表的工作中有没有任何一项推翻我们当前方向为此2026-06-10 执行了一次结构化深度调研抓取 22 个信源、提取 110 条声明其中 25 条经过 3 票对抗式独立评审验证最终 24 条确认、1 条被驳回。ADR 中所有性能数字都被标注了证据等级——绝大多数是论文作者自报的预印本结果在自家硬件复现之前一律视为CLAIMED声称值只有经过工件检查、标准机构记录或实测复现的内容才标记为MEASURED测量值。这种声明与测量分离的表述纪律是理解整份 ADR 的关键。关联文档定位Codebase target为三个 cratewifi-densepose-calibration几何条件化ADR-151 Stage 2 的扩展、wifi-densepose-train相机监督路径、MAE 配方、wifi-densepose-cli基准 harness并显式关联 ADR-151每房间校准、ADR-150RF 基础编码器、ADR-135空房间基线、ADR-079相机监督姿态。1.1 五大已验证发现(F1) 坐标过拟合是相机监督 WiFi 姿态的一个被命名、被诊断的失效模式——而 ADR-079 管线正是它的形状。PerceptAlign被 ACM MobiCom 2026 接收的预印本表明把 CSI 直接回归到相机坐标系坐标的模型会记忆部署特定的收发器布局SOTA 基线在未见过场景中退化到 600 mm MPJPE。其修复代价很低用两块棋盘格和几张照片做 5 分钟的校准把 WiFi 与视觉对齐到同一 3D 坐标系并把收发器位置嵌入与 CSI 特征融合。声称值域内误差 −12.3%跨域误差 −60% 以上并放出自称最大的跨域 3D WiFi 姿态数据集21 名受试者、5 个场景、18 种动作、7 种设备布局。证据等级改进数字为 CLAIMED预印本但失效模式本身被跨域文献交叉印证且被 RuView 自己的 ADR-150 数据独立佐证域内 81.63% vs 无泄漏跨受试者躯干 PCK 约 11.6%。(F2) 一个名为 WiFlow 的外部模型声称 97.25% PCK202.23M 参数且开源了全部工件。2026 年 4 月的论文时空解耦 CSI 姿态估计97.25% PCK20 / 99.48% PCK50 / 0.007 m MPJPE2.23M 参数int8 约 2.2 MB代码、预训练权重和 36 万样本 CSI-姿态数据集均按 Apache-2.0 公开。证据等级工件可得性 MEASURED直接仓库检查PCK 数字 CLAIMED5 名受试者、域内、自采数据集硬件未指明15 关键点 vs RuView 的 17 关键点。ADR 特别标注了命名冲突该外部模型与 RuView 内部 WiFlow 模型无关所有文档中统一称WiFlow-STD (DY2434)。(F3) 对 CSI 基础编码器而言瓶颈是数据规模而非模型容量且 tokenization 配方已经可知。UNSW 的 MAE 预训练研究2025 年 11 月是迄今最大的异构 CSI 预训练1,320,892 样本、14 个公开数据集含 MM-Fi、Widar 3.0、Person-in-WiFi 3D4 种设备2.4/5/6 GHz20–160 MHz报告零样本跨域增益 2.2–15.7%未见域性能随预训练数据量对数线性增长、在 1.3M 样本处未饱和而 ViT-Base 相对 ViT-Small 仅多 0.4–0.9%。最优配方80% 掩码率、(30,3) 小 patch比 (40,5) 高 4.7%因为保留更细的时间动态。证据等级研究内消融为 MEASURED但属预印本且下游任务是分类而非姿态——姿态迁移只是假设。该结果独立印证了 ADR-150 的发现容量增大对跨受试者有害。(F4) 硬件/标准802.11bf 已定稿Espressif 官方感知已可用Wi-Fi 6 AP 的 CSI 可达。IEEE 802.11bf-2025于 2025-09-26 发布对照 IEEE SA 记录验证——7 GHz 以下与 45 GHz 以上两个频段的标准感知程序均已完成含正式的 sensing setup/feedback 流程尚无 ESP32 芯片实现。证据等级 MEASURED标准机构记录。Espressifesp_wifi_sensingApache-2.0v0.1.xESP Component Registry官方 CSI 在场/运动状态机esp-csi 活跃维护2026-04-22 有提交已验证CSI 在 ESP32/S2/C3/S3/C5/C6/C61 全系确认可用。证据等级 MEASURED。⚠️ 其与 RuView 节点即插即用兼容的更强说法被对抗评审 0-3 驳回——Wi-Fi 6 器件使用不同的 CSI 采集配置结构。ZTECSITool从商用 Wi-Fi 6 AP 提取 CSI最高 160 MHz / 512 子载波约为 ESP32 子载波数的 5–10 倍增益来自孔径而非每 Hz 粒度固件需 ZTE 序列号审批。能力为厂商工具论文 CLAIMED代码工件 MEASURED。(F5) 2025–2026 没有任何工作从商用 WiFi 做完整 DensePose UV 回归。关键点姿态仍是领域前沿。三篇无线基础模型论文被全文检索筛查剔除HeterCSI 仅含模拟蜂窝信道NeurIPS-2025 FMCW 试点是 mmWave 雷达且仅在场另一篇是综述无工件。证据等级 MEASURED缺席性由候选全文检查确认但整个文献无此类工作的强度天然更弱。1.2 这对 ADR-151 校准系统意味着什么ADR-151 的注册协议采集引导式人体锚点但不记录也不以收发器几何为条件。F1 指出这个遗漏恰恰是让相机监督以及合理的推断是锚点监督头布局脆弱的原因。ADR-151 的先教房间、再教模型论点被 F1强化——PerceptAlign 是布局必须被显式建模的独立证据且修复方案与 ADR-151 Stage-2 注册流程天然可组合。ADR-150 的掩码 CSI 编码器设计被 F3验证并直接拿到了超参数与优先级判断在放大编码器之前先采集/汇聚更多异构 CSI。2. 四项决策与源码落地ADR-152 采纳四项变更按投入 vs 收益排序。2.1 几何条件化校准系统扩展 ADR-151 Stage 2——已接受决策共四条注册时记录收发器几何。EnrollmentProtocol为每个节点增加可选的NodeGeometry记录位置估计、天线朝向、已知的节点间距离与房间基线一起存入银行schema 版本化保证旧银行仍可读。把几何嵌入融合进专家训练。当专家头消费未来 ADR-150 的骨干嵌入时拼接一小段NodeGeometry的学习嵌入——即 PerceptAlign 机制移植到每房间银行。当前统计型专家忽略它未来的 LoRA 头ADR-151 P6消费它。相机监督路径ADR-079采用双棋盘格对齐。使用 MediaPipe 监督时先做相机↔WiFi 的共享 3D 坐标系校准5 分钟、两块棋盘格、几张照片。这是针对 F1 的正面防御。92.9% PCK20这一旧数字已在测量中被撤回幸存的留出集在一个绝对非躯干归一化阈值下、对 69 个近静态帧而言是一个常数输出模型平均预测器在同一协议下得 100%。§2.2 的禁引规则自此适用于它。在 PerceptAlign 跨域数据集21 受试者/7 布局上评估作为 MERIDIAN 跨布局基准——以确认可下载性与许可为门槛。门槛已解决2026-06-10仓库检查 MEASURED仓库存在、MIT 许可、数据集可从 HuggingFace 下载5 个按场景仓库原始 CSI 独立视觉关键点Intel 53001TX×3RX×3 天线57 子载波——与 ESP32 子载波数同一量级Scene3 附带 3 种不同布局代码存在无预训练权重。基准采纳已解除阻塞。仓库中第 1、2 条已经在wifi-densepose-calibrationcrate 中落地为纯 Rust、可边缘部署的模块aNodeGeometry记录ADR-152 §2.1.1 的实现见 geometry.rs。每个字段有意全部可选几何在操作者知道它时才记录卷尺、棋盘格校准、安装平面图不知道时省略一个全未知记录也有用——它固定了哪些节点存在以及几何未被测量这一事实。核心类型/// 注册时记录的每节点收发器几何ADR-152 §2.1.1 pub struct NodeGeometry { pub node_id: u8, // 与多静态融合同一 id 空间 pub position: OptionPositionEstimate, // (x_m, y_m, z_m) 米 pub orientation: OptionAntennaOrientation, // 方位角/俯仰角弧度 pub distances_m: BTreeMapu8, f32, // 已知节点间距离 pub method: String, // 溯源tape-measure/checkerboard/floor-plan/unknown }配套 API 采用 builder 风格NodeGeometry::new(1, tape-measure).with_position(0.5, 2.0, 1.2).with_orientation(π/2, 0.0).with_distance(2, 3.4)is_unmeasured()在除节点 id 外无任何测量时返回true。serde 序列化上使用skip_serializing_if#[serde(default)]可选字段为None时干脆不出现在 JSON 里旧银行/旧会话反序列化为空几何schema 兼容模式与PresenceSpecialist::mean_dist_threshold相同。模块内测试覆盖了完整记录往返、全空记录往返断言 JSON 中不出现position/orientation/distances_m字段以及最小 JSON{node_id:3}的干净默认化。b注册会话与银行如何承载几何。从源码结构看EnrollmentSession事件溯源、append-only增加了一种事件record_geometry()追加EnrollmentEvent::GeometryRecorded { geometry, at }同一节点可多次修正、最新者生效因此几何修正是追加而非覆盖整个会话含几何事件持久化后可还原。SpecialistBank见 bank.rs则携带geometry: VecNodeGeometry快照字段——银行永远携带它被训练时所在的布局由with_geometry(...)在训练时从EnrollmentSession::geometry()注入。bank.rs 中的测试专门验证了三件兼容性事项几何快照 JSON 往返无几何的银行派生出全零嵌入以及一份几何功能出现之前持久化的银行 JSON 能干净反序列化、geometry为空且无几何银行序列化时不写出该字段保持旧形状。cGeometryEmbedding把布局记录变成 32 维条件向量ADR-152 §2.1.2 的实现见 geometry_embedding.rs。由于 crate 是纯 Rust、无 torch/candle嵌入不是训练好的网络而是一个确定性、良态的特征化学习部分如果有活在消费它的头里。它按构造具备三个性质固定维度 32GeometryEmbedding::DIM 32任意节点数下不变设计节点数 1–8更多节点仍聚合只是每节点标志槽截断置换不变节点按node_id排序聚合与顺序无关全函数total缺失数据优雅退化——全未知布局或空切片给出定义良好的向量永不产生NaN/inf对抗输入非有限坐标、1e30 量级按未测量处理。槽位布局v1坐标为原始米、角度为弧度、比例为 [0,1]不可测槽为 0.0槽位内容单位/范围0节点数 / 8截断到 [0,2][0, 2]1–3有位置/有朝向/有 ≥1 条实测距离的节点占比[0, 1]4–6位置质心 (x, y, z)m截断 ±10007–9位置逐轴标准差m10–12成对位置距离 min/mean/maxm13–15节点间距离 min/mean/max实测优先缺则用位置推导m16实测距离对覆盖率实测对/可能对[0, 1]17–19方位角圆均值单位向量 (cos, sin) 与集中度 R[-1, 1]20平均俯仰角rad21–22几何多样性位置协方差特征值比 λ2/λ1、λ3/λ10共线退化→1各向同性[0, 1]23主展布尺度 sqrt(λ1)m24–31每节点测量标志按 node_id 排序前 8 个0.25(存在)0.25(位置)0.25(朝向)0.25(距离){0}∪[0.25,1]实现上有几个值得注意的工程细节坐标超过MAX_COORD_M 1000米或非有限值一律视为未测量房间不是公里尺度同时防止协方差溢出3×3 对称协方差的特征值用闭式三角解无外部线性代数依赖内部 f64 保条件数双向都记录的成对距离取平均、指向未注册节点的条目被忽略最后还有一道不变式收尾——任何非有限值强制归零。测试套件3-4-5 三角形布局、置换不变性、实测距离覆盖位置推导距离、NaN/∞/1e30 对抗输入、12 节点聚合、serde 往返与旧 JSON 无版本字段默认化逐一锁定了这些行为。SpecialistBank::geometry_embedding()按需派生该向量不入库几何缺失的银行得到全零向量——这条空布局也有定义良好嵌入的语义正是 §2.1.2 中当前统计型专家忽略几何、未来 LoRA 头拼接消费在类型层面的体现。此外enrollment.rs中有一条与 ADR-152 调研直接相关的实现注记锚点运动度不取自基线偏差分的motion_flagged该标志在amplitude_z_median 2.0触发混淆了存在强度与运动——静止的强反射体会被误拒为运动过多而是从帧间 z/φ 变化Z_DELTA_MOTION 0.5推导运动按构造与存在强度无关。这是 §2.1 注册流程质量门的一个具体修正。2.2 对 WiFlow-STD (DY2434) 做基准——已接受规则是拉取 Apache-2.0 权重 36 万样本数据集做三项测量(a) 它的模型跑它的数据复现 97.25% 声明(b) 它的模型在我们的 ESP32 17 关键点评测集上微调(c) 我们的内部 WiFlow 在它的数据集上15 关键点子集映射。(a)–(c) 测完之前任何 RuView 文档不得把 97.25% 当作可比的数字引用——数据集、受试者、关键点都不同。仓库中的实测报告 benchmarks/wiflow-std/RESULTS.md 给出了 (a) 与 (b) 的完整结果这是 ADR-152 证据分级方法论最好的注脚(a) 复现——先证伪、再修复、再复现。工件核验MEASURED参数 2,225,042 与声明一致FLOPs 约 0.055 GFLOPs 与 0.07B 声明一致CPU 延迟 13.2 ms/窗batch 1。发布 checkpoint 按发布代码/数据/切分seed-42 文件级 70/15/1554,000 测试样本跑出 PCK20 0.08%发布值 97.25%MPJPE 为 NaN数据集含 NaN CSI 窗——REFUTED as shipped。诊断表明 checkpoint 确是训练过的模型但与发布数据用了不同的关键点归一化/顺序早于发布代码。发布工件共记录 6 个可复现缺陷models/__init__.py导入了tcn.py未定义的TemporalConvNet发布代码原样跑不起来checkpoint 使用改名前模块名第二个 checkpoint 是不同架构342 通道输入MM-Fi 布局不可用run.py忽略--data_dir数据集最后 13 个文件9,072 窗2.52%损坏——NaN 加最高 3.4e38float32 上限的垃圾幅值上游代码无 NaN/inf 处理照发布流程训练会从 epoch 1 就产生 NaNfp16 溢出且永久污染 BatchNorm 运行统计train.py调用了不存在的plot_training_history训练后的测试评估不可达。损坏窗掩码9,070 NaN/Inf 9,072 幅值超限并集 9,072全在文件 487–499作为提交的真值随仓库保存generate_corruption_masks.py 可从干净下载重新推导再生结果与提交掩码比特一致且拒绝写出全 False 掩码以防在已清理副本上误报。修复后按上游默认重训seed 42、batch 64、epoch 41 早停、RTX 5080PCK2096.09%全测试/96.61%去损坏MPJPE 0.0094–0.0098与发布值 97.25%/0.007 在同一量级。判定精度声明可信、近似可复现——但前提是修复了发布的数据集与代码。参数2.23M与 FLOPs 已独立核验。边缘侧实测同一报告torch 动态 int8 量化对这个模型什么也量化不了——架构里没有nn.Linear全部是 Conv1d×21 Conv2d×22 BatchNorm动态量化内核只覆盖 Linear/RNN 族int8 模型与 fp32 比特一致ONNX Runtime 是 batch-1 的真正收益3.2 vs 11.0 ms/窗精度等价 2.4e-7~2.2 MB int8是权重算术估计实际只能经支持卷积量化的工具链ORT 静态 PTQ conv-onlyPercentile/MinMax 校准达到约 2.4–2.53 MB且带 PCK20 −0.05~0.1 pt、MPJPE 10%~18% 的小代价。效率扫描还发现843k 参数的 half 变体在自家基准上严格优于 2.23M 全模型同 PCK20、更好的 PCK50 与 MPJPE、更快收敛56k 参数的 tiny 变体守住 94.11% PCK20tiny ONNX fp32 工件仅约 295 KB、CPU batch-1 0.66 ms/窗约 1500 窗/秒——该报告给出的部署建议是tiny 就发 ONNX fp32int8 在这个规模是坏交易。(b) 微调到我们自己的 ESP32 数据——未通过诚实性门槛。2026-06-11 的测量 (b) 用 2,046 个单房间配对窗单受试者、单房间、单 ESP32 节点多姿态走/举/蹲/踢/挥/转/跳/坐MediaPipe 置信度均值 0.802做了预注册协议时间切分70/15/15不跨时间洗牌、70→540 子载波 1×1 Conv1d 适配器 上游主干、躯干归一化 PCKtorso ‖左肩−左髋‖17 关键点 COCO 下用正确索引替换上游 15 关键点约定的 2/12 索引。三种运行对比运行PCK20MPJPE判读mean-pose 基线诚实性标尺95.9%0.0148常数姿态即可达到单受试者、归一化坐标下近静态预训练初始化 全量微调65.0%0.0313唯一能训起来的配置从零训练0.0%0.2554预算内塌缩冻结主干 线性适配器0.0%0.1260特征不迁移结论预训练带来的是优化迁移良态初始化 校准过的 BN/输出尺度而非特征迁移没有任何运行超过 mean-pose 基线因此从这条数据不能引用任何 CSI→姿态能力声明。确定性答案需要 mean-pose 变弱的多受试者/多姿态数据。报告同时记录了两个采集侧发现ESP32 流会发出混合帧类型csi_shape异构[70,20]/[134,20]/[26,20]…约 20.4% 原生 70 窗内部含零填充短帧对齐器存在帧主序填充 vs 声明形状的转置 bug加载时以reshape(nFrames, nSc).T修正——这是下一轮采集前应修复的问题。(c)我们的内部 WiFlow 在其数据集上仍阻塞目前没有已验证的内部姿态模型可比92.9% 工件已撤回ADR-150 §3 的 MM-Fi SOTA 模型是不同输入域。2.3 把 UNSW 配方套用到 ADR-150 编码器——已接受修订 ADR-150 §2.3预训练语料从同样的 14 个公开数据集1.3M 样本 我们的 home/MM-Fi 帧起步数据汇聚优先于架构工作。Tokenization80% 掩码、(30,3) 量级小 patch编码器保持 ViT-Small 量级约 15M 参数——F3 与我们自己的 DANN/transformer 结果一致容量不划算。已发表的对数线性未饱和扩展曲线给出预期更多异构 CSI 进更好的零样本出。2.4 硬件观察项——已接受当前不改代码802.11bf跟踪芯片/认证进展OTA 绑定继续推迟直到商用芯片暴露标准化感知测量。已由 ADR-153 修订2026-06-10现在实现纯 Rust 前向兼容协议层——类型化过程模型、确定性会话 FSM、传输抽象、仿真测试以及把当前 ESP32 CSI 批次映射到标准 sensing-report 形状的OpportunisticCsiBridge。esp_wifi_sensing把我们的在场管线与厂商 FSM 对跑一次基准一个下午的事有用的外部基线。不要当作即插即用声明已被驳回。ZTECSITool APADR-029 多静态 mesh 的可选高分辨率锚点节点——采购门槛仅当 160 MHz 锚点对层析成像有实质帮助才跟进。2.5 明确不采纳不转向不发布 WiFi-CSI 工件的无线基础模型论文HeterCSI、FMCW 试点、综述。不开 DensePose-UV 工作项领域尚未证明从商用 WiFi 做 UV 回归关键点仍是我们监督目标F5。2.6 RuVector 供应商同步与集成机会2026-06-10 增补vendor/ruvector从 pine383476012026-05-07移到a083bd77forigin/main超出 tagruvector-v0.2.283 个提交vendored 工作区版本 2.2.3区间 111 个提交约一半是 NAPI 二进制/lint 杂务实质性内容graph condensation 可微 min-cut#547、HNSW 核心正确性修复 v2.2.3#502、RUSTSEC/clippy 加固#504、ONNX embedder API 契约修复#523/#525仅 npm/TypeScript 包、死并行 worker 导入移除#532。证据等级 MEASUREDgit 区间 commit-stat 检查。工作区策略是仅用 crates.io 已发布版本因此未发布 crate 按定义都是 WATCH。机会表摘要Crate提供什么对应目标crates.io判定ruvector-graph-condense新#547免训练 min-cut 图凝聚 可微 normalized-cut 损失DiffCutCondenser解析 MinCutPool 风格梯度、梯度检查测试、保留溯源的超节点subcarrier_selection.rs把 114 子载波凝聚为保切分区域而非裸 min-cutwifi-densepose-train辅助聚类正则DynamicPersonMatcher区域结构未发布WATCH——本次同步中技术契合最强发布即采纳。README 的无已发表方法使用图切分凝聚为 CLAIMEDdiffcut 实现测试为 MEASUREDruvector-attention2.1.0#304 SOTA 模块MLA、KV-cache、SSM、稀疏/MoE、混合检索、Graph RAG取代model.rs空间注意力 bvp.rs用的 2.0.4SSM/MLA 是 ADR-150 编码器候选纯 Rust 边缘推理原语2.1.0现 pin 2.0.4ADOPT小版本提升先做 API 兼容检查ruvector-gnn2.2.0panic→Result构造器、梯度裁剪、MSE/CE/BCE 损失、带种 RNG 层初始化wifi-densepose-trainGNN 路径现 pin 2.0.5default-features false2.2.0现 pin 2.0.5ADOPT提升ruvector-mincut/ruvector-solver2.0.6patch 级修复2026-03-25 工作区重发布metrics.rsDynamicPersonMatcher、子载波插值、三角定位2.0.6现各 pin 2.0.4ADOPT例行 patch 提升ruvector-core2.2.3vendorHNSW 正确性k0 守卫、排序结果、flat-index 修复、跨集成辅助#502MEASUREDhomecore-recorder的RuvectorSemanticIndex真实 HNSW 消费者最新发布 2.2.02.2.3 未发布WATCH——2.2.3 一发布即提升ruvector-cnn2.0.6纯 Rust SIMD 卷积核AVX2/NEON/WASM、MobileNetV3、INT8 量化、对比损失InfoNCE/triplet#252不是WiFlow-STD 训练移植——wiflow_std/model.rs是 tch/libtorchMEASURED相关的是训练好的 ~2.2 MB int8 模型的边缘推理路径InfoNCE/triplet 与 AETHERADR-024重叠2.0.6EVALUATE——仅当承诺 WiFlow-STD 类模型走无 libtorch 边缘运行时ruvector-acorn较新ACORN 谓词无关过滤 HNSWSIGMOD24 算法γ·M 更密图应对低选择性过滤对 ADR-151 校准银行做元数据过滤模式检索——投机性银行规模远未到过滤 ANN 召回崩塌区间未发布WATCHruvector-cluster2.0.6分布式分片、gossip 发现、DAG 共识当前无需求ADR-029 mesh 协调在 ESP32 侧不在向量库侧2.0.6WATCHONNX embedder 修复#523/#525npm/packages/ruvectorTypeScript中的 API 契约 打包修复无——wifi-densepose-nn的 ONNX 后端是 Rustort/tract不受影响MEASURED提交只触及 npm/n/a无动作ruvector-perception新#547物理感知基底假设/拓扑/见证模块——面向 agent 感知非 RF未发现对应项未发布WATCH仅名字重叠安全注记RUSTSEC #504实质性修复针对ruvllm、ruvector-dag、prime-radiant、rvagent-*与ruvector-serverHTTP 端点NaN 安全partial_cmp、输入校验守卫、环境白名单 exec——这些都不在我们 pin 的版本上提交声明cargo audit全工作区干净。结论无 pin 版本存在未解决公告无紧急提升需求NaN 排序加固是 pin 的 2.0.4 时代 crate 早于其的健壮性卫生这构成例行提升的又一理由。版本提升建议后续 PR本 ADR 不改 Cargo.tomlruvector-mincut2.0.4→2.0.6、ruvector-solver2.0.4→2.0.6、ruvector-attention2.0.4→2.1.0、ruvector-gnn2.0.5→2.2.0ruvector-core2.2.0、ruvector-attn-mincut2.0.4、ruvector-temporal-tensor2.0.6、ruvector-crv0.1.1 均已为最新发布。本次同步不改变 §2.1 几何条件化viewpoint/attention.rs的GeometricBias已实现融合机制也不改变 ADR-150 MAE 配方训练仍在 tch 中。3. 后果、风险与开放问题正面校准系统获得了 2026 文献指出的布局脆弱 vs 布局鲁棒的分水岭机制几何条件化ADR-150 拿到了一个有测量依据的训练配方而非猜测我们获得了两个外部基准WiFlow-STD、PerceptAlign 数据集以保持声明诚实。负面/风险几何记录给银行增加 schema 面缓解可选 版本化所有采纳数字在我们自己的基准跑完前都是预印本级缓解§2.2 禁引规则PerceptAlign 数据集许可未确认已设门槛后解决文档命名冲突风险缓解WiFlow-STD (DY2434) 命名规则。2026-12 复查802.11bf 芯片进展、esp_wifi_sensing 成熟度当前 v0.1.x、预印本领域最新信源 2026 年 4 月。开放问题来自调研运行WiFlow-STD 在 ESP32-S3/C6 CSI更少子载波、更低 SNR上微调、按我们的 17 关键点集评分时能否保持精度——已由测量 (b) 部分回答只有优化迁移、无特征迁移、且未超过 mean-pose 基线确定性答案需要多受试者/多姿态数据。PerceptAlign 数据集是否可下载、双棋盘格流程是否适配 ESP32 收发器几何——下载性已解决MIT流程适配仍开放。esp_wifi_sensing 是否会朝 802.11bf 合规演进、取代机会性 CSI 提取4. 延伸阅读与参考文件本 ADR 的价值不在于宣布集成什么而在于演示了一套可复制的工程纪律外部声明必须过对抗验证与证据分级CLAIMED/MEASURED/REFUTED性能数字在自家工件复现前禁止引用被证伪的数字公开撤回92.9% PCK20 的撤回流程就是范例。结合 ADR-151 的每房间校准管线baseline → enroll → extract → train约 4 分钟引导式锚点注册与 ADR-150 的基础编码器ADR-152 把 RuView 的姿态估计方向钉在几何条件化 诚实基准两条腿上。决策原文ADR-152含逐信源证据分级登记表几何记录实现geometry.rs、geometry_embedding.rs注册/银行集成enrollment.rs质量门默认阈值min_presence_z 1.5、empty_max_z 1.0、max_still_motion 0.6、min_move_motion 0.3、min_frames 60运动判定常数Z_DELTA_MOTION 0.5、anchor.rsGeometryRecorded事件、latest-wins、bank.rswith_geometry/geometry_embedding/ 前几何时代 JSON 兼容测试上游校准系统ADR-151CLIwifi-densepose enroll --room living-room注册流程、8 锚点约 4 分钟、STALE诚实降级契约外部基准实测benchmarks/wiflow-std/RESULTS.md测量 (a)/(b)、损坏掩码、边缘量化与效率扫描脚本见 eval_repro.py、static_ptq_bench.py、tiny_edge_bench.py相关决策ADR-153802.11bf 协议层、ADR-150、ADR-079、ADR-135【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考