civStation – Civilization VI को रणनीतिक स्तर पर नियंत्रित करने वाला computer-use VLM आधारित एजेंट (Human in the loop तक)

• प्राकृतिक भाषा कमांड के ज़रिए Civilization VI खेलने के लिए computer-use VLM harness
  “पूर्व की ओर विस्तार”, “अर्थव्यवस्था पर फ़ोकस”, “विज्ञान विजय” जैसे high-level intent इनपुट → एजेंट वास्तविक ऑपरेशन करता है

• रणनीति और execution को अलग करने वाली 3-layer संरचना (Strategy / Action / HITL)

  • Strategy Layer: प्राकृतिक भाषा → structured goals में रूपांतरण, दीर्घकालिक रणनीति बनाए रखना और task decomposition
  • Action Layer: स्क्रीन-आधारित (VLM) state recognition + mouse/keyboard से execution (कोई game API नहीं)
  • HITL Layer: execution के दौरान intervention/modification/stop संभव करने वाली controllable autonomy संरचना

• एक रणनीति → कई action sequence में विभाजित होती है, और प्रति task 2~16 model calls होते हैं

• sub-agent आधारित तरीके से city management, unit movement जैसे bounded task units में execution

• मौजूदा RL/IL/script तरीकों के बजाय “intent → action interface transition” पर प्रयोग

• direct manipulation नहीं, बल्कि strategic delegation और agent orchestration का तरीका

• प्रमुख तकनीकी मुद्दे:

  • VLM perception errors,
  • execution drift,
  • सफलता सत्यापित करने में कठिनाई
  • multi-step execution में latency और API cost बढ़ना, fallback रणनीति की quality गिरना

• पूर्ण automation नहीं, बल्कि human-in-the-loop आधारित real-time रणनीति संशोधन और नियंत्रण संभव

• UI-only environment में agent control / verification समस्याओं को संभालने वाला experimental system

• गेमप्ले से अधिक फ़ोकस इस पर कि “मानव-सिस्टम इंटरफ़ेस को रणनीति स्तर तक ऊपर उठाया जाए”

[bus710]

जब आप जीत के लिए कब्ज़ा/संस्कृति/विज्ञान/कूटनीति की तरफ़ पूरी मेहनत से दौड़ रहे होते हैं, तभी कहीं न कहीं से धार्मिक जीत आपके सिर पर वार कर देती है