เรานำเสนอเวลาจริงกลไกการควบคุมตัวละครโดยใช้สถาปัตยกรรมเครือข่ายประสาทนวนิยายเรียกว่าเฟสหน้าที่โครงข่ายประสาทเทียม. ในโครงสร้างเครือข่ายนี้, น้ำหนักจะคำนวณผ่านฟังก์ชั่นที่ใช้วงจรเฟสเป็น input. พร้อมกับเฟส, ระบบของเราจะเป็นผู้ใช้ควบคุมการป้อนข้อมูล, รัฐก่อนหน้านี้ของตัวละคร, รูปทรงเรขาคณิตของฉาก, และจะก่อให้เกิดการเคลื่อนไหวที่มีคุณภาพสูงที่ประสบความสำเร็จในการควบคุมผู้ใช้ต้องการ. เครือข่ายทั้งหมดได้รับการฝึกฝนในแฟชั่นแบบ end-to-end ในชุดข้อมูลที่มีขนาดใหญ่ประกอบด้วยการเคลื่อนไหวเช่นการเดิน, วิ่ง, ที่กระโดด, และการเคลื่อนไหวของการปีนเขาติดตั้งลงในสภาพแวดล้อมเสมือน. ระบบของเราจึงสามารถผลิตการเคลื่อนไหวโดยอัตโนมัติที่ตัวละครจะปรับเข้ากับสภาพแวดล้อมทางเรขาคณิตที่แตกต่างกันเช่นการเดินและวิ่งข้ามภูมิประเทศขรุขระ, ปีนข้ามก้อนหินขนาดใหญ่, กระโดดข้ามสิ่งกีดขวาง, และหมอบอยู่ภายใต้เพดานต่ำ. สถาปัตยกรรมเครือข่ายของเราก่อให้เกิดผลลัพธ์ที่มีคุณภาพสูงกว่ารุ่นอัตอนุกรมเวลาเช่น LSTMs เป็นมันเกี่ยวข้องอย่างชัดเจนกับตัวแปรแฝงของการเคลื่อนไหวที่เกี่ยวข้องกับขั้นตอน. ผ่านการฝึกอบรมเมื่อ, ระบบของเรายังเป็นอย่างรวดเร็วและมีขนาดกะทัดรัด, กำหนดมิลลิวินาทีเดียวของเวลาดำเนินการและไม่กี่เมกะไบต์หน่วยความจำ, แม้ในขณะที่การฝึกอบรมในกิกะไบต์ของข้อมูลการเคลื่อนไหว. การทำงานของเรามีความเหมาะสมมากที่สุดสำหรับการควบคุมตัวละครในฉากโต้ตอบเช่นเกมคอมพิวเตอร์และระบบเสมือนจริง.