PhotoAgent：具备空间与审美理解能力的机器人摄影师

针对创意任务中高层语言指令与几何控制间的语义鸿沟，本文提出 PhotoAgent。该智能体融合大型多模态模型的推理能力与创新控制范式：首先利用思维链推理将主观美学目标转化为可解的几何约束，计算初始视角；随后在基于 3D 高斯泼溅构建的真实感内部世界模型中，通过视觉反思迭代优化姿态。这种“心理模拟”替代了昂贵的物理试错，实现了快速收敛至高质量图像，显著提升了空间推理与成像效果。