我们提出使用一种新的神经网络结构称为相位运作神经网络的一个实时性控制机制. 在这种网络结构, 的权重是通过使用所述相作为输入的环状函数来计算. 随着相, 我们的系统需要输入用户控件, 字符的前一个状态, 场景的几何, 和自动地产生高质量的运动实现期望的用户控制. 整个网络中的端至端的方式训练的上运动的组成如步行大型数据集, 赛跑, 跳跃, 和登山运动装配到虚拟环境. 在字符适应不同的几何环境，如步行和跑步在崎岖地形上我们的系统可以自动因此产生运动, 翻过大石头, 跳跃过障碍, 和在低天花板蹲在. 我们的网络架构产生更高质量的结果比时间序列自回归模型如LSTMs因为它与运动有关的相位潜变量明确处理. 一旦被训练, 我们的系统也极其快速和紧凑, 要求的执行时间只有毫秒的存储几兆, 即使当运动千兆字节的数据训练. 我们的工作是最适合控制交互式情景字符，如计算机游戏和虚拟现实系统.