Una cámara 3D ortográfica mide en los mismos píxeles que un sprite: un modelo de una unidad de ancho mide un píxel. Eso es lo que permite decirle a una pieza 3D que se ponga sobre una casilla, en vez de colocarla a ojo.
La Y apunta hacia arriba en 3D y hacia abajo en 2D, porque así se construye cualquier modelo y darle la vuelta lo pondría del revés. El puente es una resta. Las flechas desplazan el tablero, y la pieza se queda en su casilla.