Ми представљамо контролни механизам лик у реалном времену користећи нову неуронске мреже архитектуру која се зове фаза-функционисала Неуронске мреже. У овом структури мреже, се пондери израчунати преко цикличног функцију која користи фазу као инпут. Уз фазе, наш систем узима као контрола улаза корисника, претходног стање карактера, геометрија сцене, и аутоматски производи висококвалитетне поднеске које постижу жељени кориснику контролу. Цела мрежа је обучен у начин енд-то-енд на великом података састављен од локомоцији као што је ходање, трчање, скакање, и пењање покрети монтирати у виртуелним окружењима. Наш систем може стога аутоматски произвести приједлога где карактер се прилагођава различитим геометријским срединама, као што су ходање и трчање преко тешким теренима, пењање преко великих стијена, скакање преко препрека, и чучећи под ниским плафонима. Наша мрежа архитектура даје веће резултате квалитета од модела ауторегресивних временским серијама као што су ЛСТМс као што је експлицитно бави латентне варијабле кретања који се односи на фазу. jednom обучени, наш систем је такође изузетно брз и компактан, захтева само милисекунди времена извршења и неколико мегабајта меморије, чак и када обучени у гигабајта података кретања. Наш рад је најпогоднији за контролу знакова у интерактивним сценама попут компјутерских игара и виртуелних система стварности.