Simon Edwardsson: @CompleteSketic による Jev Doom のデモは本当に素晴らしいので、アクセスを待っている間に @GoogleGemma の Gemma 4 E2

Localized reading

@CompleteSketic による Jev Doom のデモは本当に素晴らしいので、アクセスを待っている間に @GoogleGemma の Gemma 4 E2B で同じことを試してみました。私の場合は、中間のテキスト デザインを使用せずに、640×480 フレームを直接取得します。

Original post / EN

The Jev Doom demo by @CompleteSkeptic is really cool, so while I’m waiting for access I tried the same thing with Gemma 4 E2B from @GoogleGemma. Mine takes 640×480 frames directly, with no intermediate text description of the scene. It shares the image prefill across batched action queries, then reads the controls directly from logits. It sort of works.