骨格に基づく人間の動作認識は、過去数年間に多くの研究者の注目を集めています。最近の研究では、再帰型ニューラルネットワークを用いて、人間の体節点の3次元位置構成間の時間依存関係をモデル化し、骨格データにおける人間活動のより良い分析を試みています。本研究では、このアイデアを空間領域にも拡張し、両領域において同時に人間の骨格シーケンス内の行動に関連する情報源をよりよく分析することを目指しています。Kinectの骨格データの図式的な構造に基づき、効果的な木構造ベースの巡回フレームワークも提案されています。また、骨格データに含まれるノイズに対処するために、LSTMモジュール内に新しいゲーティング機構が導入されました。これにより、ネットワークはシーケンシャルデータの信頼性を学習し、それに応じて単位のメモリセルに保存される長期コンテキスト表現の更新プロセスにおける入力データの影響を調整することができます。さらに、本論文ではLSTMユニット内で新たな多様な特徴量融合戦略も提案しています。7つの挑戦的なベンチマークデータセットに対する包括的な実験結果は、提案手法の有効性を示しています。