实验结果 在本工作中，研究人员希望探讨两个问题：与纯语音相比，3D 角色与动作是否会给 AI 角色扮演带来体验提升？与 LLM-Agent 结构相比，端到端的 VLA 结构是否在交互质量和延迟上有体验提升？ 为此，研究人员选择了两种对比方法：LLM+Speech，DLP（MoitonGPT）。