O mapeamento de sala com WiFi usa medições de rádio para criar uma representação útil de um espaço interno. Em um experimento, um receptor registra CSI, RSSI, fase, amplitude, tempo ou outras características do canal enquanto a sala, as pessoas ou os móveis mudam. O software aprende então quais padrões correspondem a zonas, caminhos, obstáculos ou estados do ambiente.
Esse conceito é diferente de um mapa de cobertura WiFi. O mapa de cobertura pergunta onde a rede tem sinal suficiente; o mapeamento espacial pergunta o que as mudanças do canal revelam sobre a sala. Também não é o mesmo que posicionamento interno, que estima onde um dispositivo ou pessoa está, nem que WiFi DensePose, que tenta inferir postura humana.
A resposta prática exige cautela: o WiFi pode apoiar impressões digitais de rádio, zonas de ocupação, caminhos de movimento e reconstruções experimentais, mas o resultado depende do acesso ao hardware, calibração, multipercurso, rótulos e validação. Comece com um alvo pequeno e registre a incerteza, em vez de apresentar uma visualização como se fosse uma planta exata.
O que é mapeamento de sala com WiFi?
Um mapa WiFi relaciona observações de rádio a locais ou estados espaciais. Ele pode ser uma grade de zonas, um banco de impressões digitais, um grafo topológico ou uma representação aprendida para comparar salas. Não é preciso reconstruir cada parede para obter valor: distinguir de forma repetível um canto vazio, uma porta e um caminho de movimento já pode servir para um experimento.
A entrada normalmente é uma série temporal, não um pacote mágico. O receptor observa como caminhos diretos e refletidos se combinam nas subportadoras e ao longo do tempo. Quando alguém caminha, uma cadeira muda de lugar ou uma porta abre, o canal muda. O modelo tenta separar a estrutura estável da atividade temporária, da deriva do hardware e do tráfego não controlado.
- Defina primeiro o alvo: zonas, caminho, ocupação, impressão digital ou estrutura geométrica.
- Use uma rota de medição repetível, como CSI exposto ou uma interface de sensoriamento documentada.
- Rótulos, posição dos nós, horários e estado da sala fazem parte dos dados.
- Um resultado útil deve funcionar em sessões repetidas e indicar quando deixa de generalizar.
Como os sinais WiFi viram um mapa
CSI descreve como o canal sem fio afeta subportadoras e caminhos de antena. Mudanças de amplitude e fase podem conter pistas sobre movimento e multipercurso, mas não são uma imagem direta. O mapa surge da coleta de muitas observações, da extração de características estáveis e da associação dessas observações a locais ou condições conhecidas.
Um primeiro experimento pode fixar transmissor e receptor, dividir a sala em pequenas células e registrar uma linha de base vazia em cada uma. Depois, são adicionados uma pessoa, um móvel ou um caminho controlado. Um modelo compara uma janela nova com as células de referência. Pesquisas avançadas usam vários nós ou espaços aprendidos, mas ainda precisam de medições controladas e testes fora do conjunto usado no ajuste.
- Capture características do canal com contexto dos pacotes e horários.
- Crie uma linha de base para cada zona antes de adicionar pessoas ou objetos.
- Mantenha canal, largura de banda, antenas e geometria do hardware registrados.
- Teste outra sessão, layout, pessoa ou posição de nó que não tenha sido usada no ajuste.
Que tipo de mapa o WiFi pode produzir?
A palavra mapa pode significar saídas muito diferentes. Defina a saída antes do modelo para não avaliar uma impressão de sala como se fosse uma planta com precisão centimétrica.
| Tipo de mapa | Sinal comum | Saída útil | Principal limite |
|---|---|---|---|
| Mapa de zonas ou ocupação | CSI, RSSI ou eventos | Zonas vazias, ocupadas ou aproximadas | Exige calibração e casos negativos |
| Mapa de impressão de rádio | Janelas repetidas de CSI/RSSI | Comparar uma observação com uma área de referência | Pessoas, móveis e canal mudam a impressão |
| Mapa de movimento ou atividade | Série temporal de CSI e rótulos | Caminhos relativos ou estados de atividade | Não é imagem de câmera nem prova de identidade |
| Reconstrução geométrica | Vários nós, fase e modelos | Estimativa de estrutura para pesquisa | Sensível à geometria, multipercurso e viés dos dados |
Mapeamento WiFi e termos semelhantes
Os resultados de busca misturam planejamento de rede, localização, detecção humana e reconstrução acadêmica. Esta separação ajuda a escolher o guia correto do RuView.
| Tema | Pergunta principal | O que a saída significa | Ponto de partida |
|---|---|---|---|
| Mapa de cobertura WiFi | Onde a rede é forte o suficiente? | Potência ou qualidade no piso | Estudo de cobertura ou software de rede |
| Mapeamento de sala com WiFi | Que estrutura ou estado as mudanças de rádio revelam? | Impressão, zonas, grafo ou reconstrução experimental | CSI e dados espaciais controlados |
| Posicionamento interno WiFi | Onde está a pessoa ou o dispositivo? | Coordenada, zona ou estimativa de localização | Localização RSSI/CSI e teste em planta |
| Detecção humana ou DensePose | Há uma pessoa, ela se move ou qual é sua postura? | Inferência de presença, atividade ou postura | Validação de detecção e captura de movimento |
Fluxo prático para mapear uma sala
Comece pelo menor mapa que responda à pergunta. Quatro zonas são mais fáceis de validar que uma reconstrução detalhada e mostram se o hardware expõe um sinal repetível.
Defina o sistema de referência, fixe os nós, registre uma linha de base vazia e adicione mudanças uma por vez. Para um mapa de movimento, marque zonas de início e fim e repita o caminho. Para um mapa estrutural, separe a disposição fixa de pessoas e móveis temporários. Guarde uma sessão fora do ajuste para a verificação final.
- Defina a resolução do mapa e a afirmação que será feita.
- Fixe canal, largura de banda, firmware, orientação das antenas e geometria.
- Repita linhas de base e registre perda de pacotes, deriva de RSSI e condições.
- Adicione uma mudança por vez e teste outro dia ou layout.
- Informe confusão entre zonas, falsos positivos e incerteza, não apenas a melhor imagem.
Hardware e dados necessários
Um roteador pode fornecer tráfego, mas seu rótulo não garante acesso ao CSI. Muitos experimentos usam uma rota CSI com ESP32, um receptor Broadcom ou Cypress compatível com Nexmon CSI, ou uma interface comercial que expõe eventos processados. Um Raspberry Pi pode armazenar e processar dados, mas não é automaticamente o rádio de sensoriamento.
Para começar, priorize uma captura que possa ser inspecionada. Registre placa, chip, firmware, sistema, kernel, canal, largura de banda, antenas, fonte dos pacotes e comportamento de amostragem. Preserve arquivos brutos e configurações junto dos rótulos para que o mapa possa ser reproduzido ou questionado.
- Procure callbacks CSI ou interfaces documentadas, não apenas a marca WiFi 6 ou WiFi 7.
- Comece com uma tarefa estreita, como classificar zonas ou comparar impressões.
- Separe o roteador que fornece tráfego do receptor que realmente expõe CSI.
- Guarde horários, metadados, rótulos, planta e mudanças entre sessões.
Como validar um mapa WiFi
Um mapa só é útil quando seus erros são conhecidos. Teste sala vazia, pessoa parada, movimento repetido, porta aberta e fechada, mudança de móveis, ventilador ou animal e reinicialização. Compare sessões de dias diferentes e, quando possível, outra pessoa ou posição de nó.
Uma grade nítida não prova precisão geométrica. O modelo pode memorizar a posição do receptor, a pessoa ou os móveis originais. Um relatório confiável informa sala, hardware, divisão dos dados, duração da linha de base, rótulos, confusões, falsos positivos e condições inadequadas para uso.
- Reserve uma sessão, layout ou pessoa para a avaliação.
- Meça confusão entre zonas e falsos positivos, não apenas a média.
- Repita depois de mudar canal, firmware, móveis ou posição dos nós.
- Separe um mapa experimental de uma afirmação médica, de segurança ou de identidade.
Privacidade e os limites do RuView
Sem câmera não significa sem informação. Um mapa WiFi pode revelar ocupação, rotinas e padrões de movimento. Explique o que é medido e inferido, peça consentimento, limite a retenção e proteja os registros brutos e mapas derivados.
No RuView Blog, o mapeamento conecta CSI, inteligência de sala e validação. Use a visão geral de WiFi sensing para os fundamentos, o guia de posicionamento para coordenadas e os guias DensePose ou de detecção humana quando o alvo for uma pessoa. O demo ilustra a ideia, mas não substitui uma captura documentada nem uma avaliação específica da sala.
- Explique aos participantes o que é medido, inferido e não gravado.
- Limite o acesso ao CSI bruto e aos mapas derivados.
- Não apresente um estado inferido como imagem de câmera ou identidade verificada.
- Defina exclusão, consentimento e fallback antes de testar em espaços ocupados.
Referências de pesquisa e técnicas
Perguntas frequentes sobre mapeamento de sala com WiFi
O WiFi consegue mapear uma sala como LiDAR?
Normalmente não. Ele pode produzir zonas, impressões, regiões de atividade ou estimativas de pesquisa, mas não gera automaticamente uma planta detalhada equivalente a câmera ou LiDAR.
É igual a um mapa de cobertura WiFi?
Não. Cobertura mede força e qualidade da rede. Mapeamento estuda como mudanças do canal se relacionam com estrutura, ocupação, movimento ou estados da sala.
O mapeamento precisa de CSI?
Muitos fluxos de pesquisa usam CSI porque ele expõe mais informação do canal que uma leitura simples de RSSI. Outras medições são possíveis, mas seus limites devem ser documentados.
Como ele difere do posicionamento interno?
O mapeamento modela o ambiente ou seu estado; o posicionamento estima onde uma pessoa ou dispositivo está. Eles podem compartilhar CSI, mas têm rótulos e métricas diferentes.
Qual é um bom primeiro experimento?
Comece com uma pequena grade ou quatro zonas e um receptor CSI documentado. Repita sessões de sala vazia e movimento antes de tentar uma reconstrução detalhada.
Qual é a diferença entre mapeamento de sala e posicionamento interno?
O mapeamento representa o ambiente ou o estado da sala, enquanto o posicionamento estima onde uma pessoa ou dispositivo está. Os dois podem usar CSI e impressões, mas têm rótulos, métricas e falhas diferentes.