Ich denke, dass die meisten dir hier keine Antwort liefern können, die dir bei deinem Problem wirklich weiterhilft, da zwar die Aufgabenstellung von dir Beschrieben wurde, du aber nicht geschrieben hast, wo du Probleme auf dich zukommen siehst.
Die Theorie hinter diesen Cutscenes ist relativ einfach:
Der Spielerinput muss während dieser ignoriert oder anders interpretiert werden (-> keine Spielerbewegung, ggf. Überspringen etc.), es müssen in einer bestimmten zeitlichen reihenfolge Grafiken und ggf. Dialoge eingeblendet werden und/oder die Kamera muss über dem Spielfeld bewegt werden. Außerdem muss in irgendeiner Weise gespeichert werden, wann was in den passieren soll.
Es kann höchsten sein, dass man sich das ganze etwas schwieriger macht, weil man beispielsweise eine zu starke Bindung der Spielereingaben zur Spielerbewegung oder der Kameraposition zur Spielerposition besitzt. An entsprechenden Stellen muss man ggf. ein paar Anpassungen durchführen, damit sich diese Zwischensequenzen elegant einbauen lassen.
Solltest du bei der Umsetzung dann auf konkrete Probleme stoßen, kannst du dich hier wieder melden.