আমরা ফেজ-ফাংশনড নিউরাল নেটওয়ার্ক নামে একটি অভিনব নিউরাল নেটওয়ার্ক আর্কিটেকচার ব্যবহার করে একটি রিয়েল-টাইম ক্যারেক্টার কন্ট্রোল মেকানিজম উপস্থাপন করি।. এই নেটওয়ার্ক কাঠামোতে, ওজনগুলি একটি চক্রীয় ফাংশনের মাধ্যমে গণনা করা হয় যা একটি ইনপুট হিসাবে ফেজ ব্যবহার করে. সেই সঙ্গে ফেজও, আমাদের সিস্টেম ইনপুট ব্যবহারকারী নিয়ন্ত্রণ হিসাবে নেয়, চরিত্রের আগের অবস্থা, দৃশ্যের জ্যামিতি, এবং স্বয়ংক্রিয়ভাবে উচ্চ মানের গতি তৈরি করে যা পছন্দসই ব্যবহারকারীর নিয়ন্ত্রণ অর্জন করে. হাঁটার মতো লোকোমোশনের সমন্বয়ে গঠিত একটি বৃহৎ ডেটাসেটে সম্পূর্ণ নেটওয়ার্ক এন্ড-টু-এন্ড ফ্যাশনে প্রশিক্ষিত, চলমান, জাম্পিং, এবং আরোহণ আন্দোলন ভার্চুয়াল পরিবেশে লাগানো. আমাদের সিস্টেম তাই স্বয়ংক্রিয়ভাবে গতি তৈরি করতে পারে যেখানে চরিত্রটি বিভিন্ন জ্যামিতিক পরিবেশের সাথে খাপ খায় যেমন রুক্ষ ভূখণ্ডে হাঁটা এবং দৌড়ানোর মতো, বড় পাথরের উপর আরোহণ, বাধার উপর লাফানো, এবং কম সিলিং অধীনে crouching. আমাদের নেটওয়ার্ক আর্কিটেকচার টাইম-সিরিজ অটোরিগ্রেসিভ মডেল যেমন এলএসটিএম-এর তুলনায় উচ্চ মানের ফলাফল তৈরি করে কারণ এটি ধাপের সাথে সম্পর্কিত গতির সুপ্ত পরিবর্তনশীলের সাথে স্পষ্টভাবে ডিল করে।. একবার প্রশিক্ষিত, আমাদের সিস্টেম অত্যন্ত দ্রুত এবং কম্প্যাক্ট, শুধুমাত্র মিলিসেকেন্ড এক্সিকিউশন টাইম এবং কয়েক মেগাবাইট মেমরি প্রয়োজন, এমনকি যখন গিগাবাইট মোশন ডেটাতে প্রশিক্ষণ দেওয়া হয়. কম্পিউটার গেমস এবং ভার্চুয়াল রিয়েলিটি সিস্টেমের মতো ইন্টারেক্টিভ দৃশ্যে চরিত্র নিয়ন্ত্রণের জন্য আমাদের কাজটি সবচেয়ে উপযুক্ত.