本研究は、調理動画における行動認識の計算効率化と実用性向上を目的とする。TimeSformer等の既存の高精度モデルは、全画面処理に伴う膨大なメモリ消費と、背景情報への過度な依存が課題であった。そこで本研究では、調理に関わる物体（食材・器具・手）の時空間的関係性に着目し、動的グラフニューラルネットワーク（GAT）を用いた軽量な分類手法を提案する。提案手法は、SAM2による追跡データからグラフを構築し、その構造変化から動作を特定する仕組みである。これにより、リソース制約のある環境下でも運用可能な、効率的かつ本質的な動作理解モデルの構築を目指す。