การจับภาพจากกล้อง

OpenClaw รองรับการจับภาพจากกล้องสำหรับเวิร์กโฟลว์ของเอเจนต์บน Node iOS, Android และ macOS ที่จับคู่แล้ว โดยสามารถถ่ายภาพ (jpg) หรือบันทึกคลิปวิดีโอสั้น (mp4 พร้อมเสียงได้ตามต้องการ) ผ่าน node.invoke ของ Gateway

การเข้าถึงกล้องทั้งหมดอยู่ภายใต้การควบคุมของการตั้งค่าผู้ใช้ในแต่ละแพลตฟอร์ม

Node iOS

การตั้งค่าผู้ใช้บน iOS

• แท็บ iOS Settings → Camera → Allow Camera (camera.enabled)
  • ค่าเริ่มต้น: เปิด (หากไม่มีคีย์ จะถือว่าเปิดใช้งาน)
  • เมื่อปิด: คำสั่ง camera.* จะส่งคืน CAMERA_DISABLED

คำสั่ง iOS (ผ่าน node.invoke ของ Gateway)

• camera.list

  • เพย์โหลดการตอบกลับ: devices — อาร์เรย์ของ { id, name, position, deviceType }

• camera.snap

  • พารามิเตอร์:
    • facing: front|back (ค่าเริ่มต้น: front)
    • maxWidth: ตัวเลข (ไม่บังคับ; ค่าเริ่มต้น 1600)
    • quality: 0..1 (ไม่บังคับ; ค่าเริ่มต้น 0.9 และจำกัดให้อยู่ในช่วง [0.05, 1.0])
    • format: ปัจจุบันคือ jpg
    • delayMs: ตัวเลข (ไม่บังคับ; ค่าเริ่มต้น 0 และจำกัดภายในไว้สูงสุดที่ 10000)
    • deviceId: สตริง (ไม่บังคับ; ได้จาก camera.list)
  • เพย์โหลดการตอบกลับ: format: "jpg", base64, width, height
  • การป้องกันขนาดเพย์โหลด: บีบอัดภาพใหม่เพื่อให้เพย์โหลดที่เข้ารหัสแบบ base64 มีขนาดต่ำกว่า 5MB

• camera.clip

  • พารามิเตอร์:
    • facing: front|back (ค่าเริ่มต้น: front)
    • durationMs: ตัวเลข (ค่าเริ่มต้น 3000 และจำกัดให้อยู่ในช่วง [250, 60000])
    • includeAudio: ค่าบูลีน (ค่าเริ่มต้น true)
    • format: ปัจจุบันคือ mp4
    • deviceId: สตริง (ไม่บังคับ; ได้จาก camera.list)
  • เพย์โหลดการตอบกลับ: format: "mp4", base64, durationMs, hasAudio

ข้อกำหนดการทำงานเบื้องหน้าของ iOS

เช่นเดียวกับ canvas.* Node iOS อนุญาตคำสั่ง camera.* เฉพาะขณะที่แอปอยู่ใน เบื้องหน้า เท่านั้น การเรียกใช้ขณะอยู่เบื้องหลังจะส่งคืน NODE_BACKGROUND_UNAVAILABLE

ตัวช่วย CLI

วิธีรับไฟล์สื่อที่ง่ายที่สุดคือใช้ตัวช่วย CLI ซึ่งจะเขียนสื่อที่ถอดรหัสแล้วลงในไฟล์ชั่วคราวและแสดงพาธที่บันทึกไว้

openclaw nodes camera snap --node <id>                 # ค่าเริ่มต้น: ทั้งกล้องหน้าและหลัง (2 บรรทัด MEDIA)openclaw nodes camera snap --node <id> --facing frontopenclaw nodes camera clip --node <id> --duration 3000openclaw nodes camera clip --node <id> --no-audio

ค่าเริ่มต้นของ nodes camera snap คือ --facing both ซึ่งจับภาพจากทั้งกล้องหน้าและกล้องหลังเพื่อให้เอเจนต์เห็นภาพจากทั้งสองมุมมอง หากระบุ --device-id ต้องใช้ทิศทางกล้องเดียวอย่างชัดเจน (both จะถูกปฏิเสธเมื่อตั้งค่า --device-id) ไฟล์ผลลัพธ์เป็นไฟล์ชั่วคราว (ในไดเรกทอรีชั่วคราวของระบบปฏิบัติการ) เว้นแต่คุณจะสร้างตัวครอบคำสั่งของคุณเอง

Node Android

การตั้งค่าผู้ใช้บน Android

• แผง Android Settings → Camera → Allow Camera (camera.enabled)
  • การติดตั้งใหม่มีค่าเริ่มต้นเป็นปิด การติดตั้งเดิมที่มีอยู่ก่อนเพิ่มการตั้งค่านี้จะถูกย้ายค่าเป็น เปิด เพื่อไม่ให้การอัปเกรดทำให้สูญเสียการเข้าถึงกล้องที่เคยใช้งานได้โดยไม่มีการแจ้งเตือน
  • เมื่อปิด: คำสั่ง camera.* จะส่งคืน CAMERA_DISABLED: enable Camera in Settings

สิทธิ์

• ต้องมีสิทธิ์ CAMERA สำหรับทั้ง camera.snap และ camera.clip หากไม่มีหรือปฏิเสธสิทธิ์ จะส่งคืน CAMERA_PERMISSION_REQUIRED
• ต้องมีสิทธิ์ RECORD_AUDIO สำหรับ camera.clip เมื่อ includeAudio เป็น true หากไม่มีหรือปฏิเสธสิทธิ์ จะส่งคืน MIC_PERMISSION_REQUIRED

แอปจะแจ้งขอสิทธิ์ขณะทำงานเมื่อสามารถทำได้

ข้อกำหนดการทำงานเบื้องหน้าของ Android

เช่นเดียวกับ canvas.* Node Android อนุญาตคำสั่ง camera.* เฉพาะขณะที่แอปอยู่ใน เบื้องหน้า เท่านั้น การเรียกใช้ขณะอยู่เบื้องหลังจะส่งคืน NODE_BACKGROUND_UNAVAILABLE: command requires foreground

คำสั่ง Android (ผ่าน node.invoke ของ Gateway)

• camera.list

  • เพย์โหลดการตอบกลับ: devices — อาร์เรย์ของ { id, name, position, deviceType }

• camera.snap

  • พารามิเตอร์: facing (front|back ค่าเริ่มต้น front), quality (ค่าเริ่มต้น 0.95 และจำกัดให้อยู่ในช่วง [0.1, 1.0]), maxWidth (ค่าเริ่มต้น 1600), deviceId (ไม่บังคับ; หากไม่รู้จักรหัสจะล้มเหลวด้วย INVALID_REQUEST)
  • เพย์โหลดการตอบกลับ: format: "jpg", base64, width, height
  • การป้องกันขนาดเพย์โหลด: บีบอัดใหม่เพื่อให้ base64 มีขนาดต่ำกว่า 5MB (ใช้ขีดจำกัดเดียวกับ iOS)

• camera.clip

  • พารามิเตอร์: facing (ค่าเริ่มต้น front), durationMs (ค่าเริ่มต้น 3000 และจำกัดให้อยู่ในช่วง [200, 60000]), includeAudio (ค่าเริ่มต้น true), deviceId (ไม่บังคับ)
  • เพย์โหลดการตอบกลับ: format: "mp4", base64, durationMs, hasAudio
  • การป้องกันขนาดเพย์โหลด: MP4 ดิบถูกจำกัดไว้ที่ 18MB ก่อนเข้ารหัสแบบ base64 คลิปที่มีขนาดเกินจะล้มเหลวด้วย PAYLOAD_TOO_LARGE (ลด durationMs แล้วลองอีกครั้ง)

แอป macOS

การตั้งค่าผู้ใช้บน macOS

แอปคู่หู macOS มีช่องทำเครื่องหมายดังนี้:

• Settings → General → Allow Camera (openclaw.cameraEnabled)
  • ค่าเริ่มต้น: ปิด
  • เมื่อปิด: คำขอใช้กล้องจะส่งคืน CAMERA_DISABLED: enable Camera in Settings

ตัวช่วย CLI (การเรียกใช้ Node)

ใช้ CLI หลัก openclaw เพื่อเรียกคำสั่งกล้องบน Node macOS

openclaw nodes camera list --node <id>                     # แสดงรายการรหัสกล้องopenclaw nodes camera snap --node <id>                     # แสดงพาธที่บันทึกไว้openclaw nodes camera snap --node <id> --max-width 1280openclaw nodes camera snap --node <id> --delay-ms 2000openclaw nodes camera snap --node <id> --device-id <id>openclaw nodes camera clip --node <id> --duration 10s       # แสดงพาธที่บันทึกไว้openclaw nodes camera clip --node <id> --duration-ms 3000   # แสดงพาธที่บันทึกไว้ (แฟล็กเดิม)openclaw nodes camera clip --node <id> --device-id <id>openclaw nodes camera clip --node <id> --no-audio

• ค่าเริ่มต้นของ openclaw nodes camera snap คือ maxWidth=1600 เว้นแต่จะกำหนดค่าอื่น
• camera.snap จะรอเป็นเวลา delayMs (ค่าเริ่มต้น 2000ms และจำกัดให้อยู่ในช่วง [0, 10000]) หลังจากอุ่นเครื่อง/รอให้การรับแสงคงที่ ก่อนจับภาพ
• เพย์โหลดภาพถ่ายจะถูกบีบอัดใหม่เพื่อให้ base64 มีขนาดต่ำกว่า 5MB

ความปลอดภัยและขีดจำกัดในการใช้งานจริง

• การเข้าถึงกล้องและไมโครโฟนจะเรียกข้อความแจ้งขอสิทธิ์ตามปกติของระบบปฏิบัติการ (และต้องมีสตริงคำอธิบายการใช้งานใน Info.plist)
• คลิปวิดีโอถูกจำกัดไว้ที่ 60 วินาที เพื่อหลีกเลี่ยงเพย์โหลดของ Node ที่มีขนาดใหญ่เกินไป (โอเวอร์เฮดของ base64 รวมกับขีดจำกัดข้อความ)

วิดีโอหน้าจอบน macOS (ระดับระบบปฏิบัติการ)

สำหรับวิดีโอ_หน้าจอ_ (ไม่ใช่กล้อง) ให้ใช้แอปคู่หู macOS:

openclaw nodes screen record --node <id> --duration 10s --fps 15   # แสดงพาธที่บันทึกไว้

ต้องมีสิทธิ์ Screen Recording ของ macOS (TCC)

เนื้อหาที่เกี่ยวข้อง

• การรองรับรูปภาพและสื่อ
• การทำความเข้าใจสื่อ
• คำสั่งตำแหน่งที่ตั้ง