Presentiamo un meccanismo di controllo carattere tempo reale utilizzando un'architettura di rete neurale romanzo chiamato Phase-funzionato Neural Network. In questa struttura di rete, i pesi sono calcolati con una funzione ciclica che utilizza la fase come input. Insieme con la fase, nostro sistema prende come controlli utente ingresso, lo stato precedente del carattere, la geometria della scena, e produce automaticamente i movimenti di alta qualità che realizzano il controllo di utente desiderato. L'intera rete è addestrato in modo end-to-end su un grande insieme di dati composto di locomozione come camminare, in esecuzione, salto, e movimenti arrampicata montati in ambienti virtuali. Il nostro sistema è in grado quindi di produrre automaticamente i movimenti in cui il personaggio si adatta a diversi ambienti geometrici come camminare e correre su terreni accidentati, scavalcando rocce di grandi dimensioni, saltare oltre gli ostacoli, e accovacciato sotto soffitti bassi. La nostra architettura di rete produce risultati di qualità più elevata rispetto ai modelli autoregressivi serie temporali come LSTMs quanto occupa esplicitamente la variabile latente di movimento relativa alla fase. Una volta formati, il nostro sistema è anche estremamente veloce e compatto, richiede solo millisecondi di tempo di esecuzione e qualche megabyte di memoria, anche quando addestrato su gigabyte di dati di movimento. Il nostro lavoro è più adatto per il controllo di personaggi in scene interattive come i giochi per computer e sistemi di realtà virtuale.