私たちは、位相機能ニューラルネットワークと呼ばれる新たなニューラルネットワークアーキテクチャを使用してリアルタイムキャラクタ制御機構を提示します. このネットワーク構造で, 重みは、入力として位相を使用して巡回機能を介して計算されます. 相とともに, 私たちのシステムは、入力されたユーザコントロールとして取り, 文字の前の状態, シーンのジオメトリ, そして、自動的に必要なユーザーコントロールを実現する高品質な動きを作り出します. ネットワーク全体は、歩行などの運動からなる大きなデータセット上のエンドツーエンド方式で訓練されます, ランニング, 跳躍, 仮想環境に嵌め込ま動きを登ります. 私たちのシステムは、したがって、自動的に、そのような起伏の多い地形上を歩くとランニングなど、さまざまな幾何学的な環境に文字が適応動きを生成することができます, 大きな岩を乗り越え, 障害物を飛び越え, 低天井の下にしゃがん. それは、位相に関連する運動の潜在変数を明示的に扱うよう当社のネットワークアーキテクチャは、LSTMsとして時系列の自己回帰モデルよりも高品質な結果を生成します. 一度訓練を受けました, 私たちのシステムはまた、非常に高速でコンパクトです, 実行時間のミリ秒とメモリの数メガバイトのみを必要とします, モーションデータのギガバイトに訓練を受けた場合でも、. 私たちの仕事は、コンピュータゲームやバーチャルリアリティシステムなどのインタラクティブなシーン内の文字を制御するために最も適切です.