为我的新逃脱室实验，我在模拟期间冻结，而 Gemini、Qwen 和 Nemotron 选择它们的下一个控制。这三者都使用相同的世界快照，然后 Godot 推进三秒的游戏时间。

输入包括结构化的文本状态、最近的公共电台信息和合法按钮标签。引擎负责路径和物理。我保存请求、接受的回复和回放帧，这样相机变化就不需要再次调用 API。

截图显示了一个电台信息以及实际选中的按钮。将它们分开使得可以检查一次救援另一名玩家的提议是否会变成一个动作。

我的 2:27 影片: https://youtu.be/ej0GjJyqq2c

之前有一次运行出现了阻塞碰撞错误，之后在修复后进行了全新尝试。一些设置也发生了变化；这不是对模型的受控比较。

https://preview.redd.it/st1ywuqh5azh1.jpeg?width=3840&format=pjpg&au&s=f664f052f4866f3998bf012134ce0f57e84aad68