我們提出使用一種新的神經網絡結構稱為相位運作神經網絡的一個實時性控制機制. 在這種網絡結構, 的權重是通過使用所述相作為輸入的環狀函數來計算. 隨著相, 我們的系統需要輸入用戶控件, 字符的前一個狀態, 場景的幾何, 和自動地產生高質量的運動實現期望的用戶控制. 整個網絡中的端至端的方式訓練的上運動的組成如步行大型數據集, 賽跑, 跳躍, 和登山運動裝配到虛擬環境. 在字符適應不同的幾何環境，如步行和跑步在崎嶇地形上我們的系統可以自動因此產生運動, 翻過大石頭, 跳躍過障礙, 和在低天花板蹲在. 我們的網絡架構產生更高質量的結果比時間序列自回歸模型如LSTMs因為它與運動有關的相位潛變量明確處理. 一旦被訓練, 我們的系統也極其快速和緊湊, 要求的執行時間只有毫秒的存儲幾兆, 即使當運動千兆字節的數據訓練. 我們的工作是最適合控制交互式情景字符，如計算機遊戲和虛擬現實系統.