現代視頻遊戲已經從馬里奧跳過屏幕上的船上很長的路。今天的異常複雜的遊戲環境是新遊戲玩家的誘惑的一部分，這種經驗被與場景交互的人物帶到了生活。然而，虛擬世界的幻覺被數字的不自然運動中斷，在執行諸如意外轉動或攀爬山上時的行為。
彌補突然的運動，[丹尼爾·霍爾登等。 Al]最近發表了一篇論文（PDF）和一個視頻，顯示了大大改善實時性能控制機制的方法。該建議的系統使用了一種神經網絡，該網絡已經使用了各種地形上的大型數據集的步行，跳躍和其他序列。至關重要的是將雙模運動的過程及其循環行為分解為一系列子步驟或階段。每個階段在移動時轉換為角色的自然姿勢。系統預先計算脫機的下一階段以在運行時節省計算資源。然後，考慮用戶控制，以前的字符（包括接頭位置）和地形幾何形狀，計算動畫的隨後的幀。計算由回歸網絡完成，該回歸網絡計算關節的未來位置，並且混合函數用於運動匹配，如演示（PDF）中所述，並通過[Simon Clavet]中所述。
該技術在諸如粗糙的地形和障礙物之類的環境中證明了有效，涉及諸如在按照用戶方向上避免，攀登，跳躍或踩踏的相互作用的互動。最終結果是以低於下面的視頻所示的計算成本非常明智的渲染。它的應用程序超越了遊戲，一直進入增強現實和虛擬現實的領域。
這些天的神經網絡都是嗡嗡聲，並與穀歌的張力流程項目有關DIY機器人，這是一個標誌，編程中的新時代在地平線上。