Prezentujemy mechanizm kontrolny charakter w czasie rzeczywistym przy użyciu nowej architektury sieci neuronowej o nazwie Phase-funkcjonował Neural Network. W tej strukturze sieci, Ciężary są obliczane za pomocą cyklicznego funkcję, która wykorzystuje jako fazę wejścia. Wraz z fazą, nasz system bierze jako kontroli użytkownika wejściowe, poprzedni stan charakteru, geometria sceny, i automatycznie produkuje wysokiej jakości wniosków, które osiągają żądaną kontrolę użytkownika. Cała sieć jest przeszkolony w sposób end-to-end na dużym zbiorze złożonym z lokomocji, takich jak chodzenie, bieganie, skoki, Ruchy wspinaczkowe i wyposażone w środowiskach wirtualnych. Nasz system może więc automatycznie produkować ruchy gdzie postać przystosowuje się do różnych środowisk geometrycznych, takich jak chodzenie i działa na trudnym terenie, wspinaczki na dużych skał, skoki przez przeszkody, crouching w niskich sufitów. Nasza architektura sieci produkuje wyższej jakości niż czas serii Model AR takich jak LSTMs ponieważ dotyczy bezpośrednio z utajonego zmiennej ruchu związanych z fazą. Po przeszkoleni, Nasz system jest niezwykle szybka i kompaktowa, wymagając jedynie milisekund czasu realizacji i kilka megabajtów pamięci, nawet gdy przeszkolony na gigabajtów danych ruchu. Nasza praca jest najbardziej odpowiedni do kontrolowania znaków w interaktywnych scen, takich jak gry komputerowe i systemy wirtualnej rzeczywistości.