Budowa i zasada działania Urządzenie posiada dwie kamery, promiennik podczerwieni, macierz czterech mikrofonów kierunkowych, akcelerometr i napęd pozwalający na uchylanie głowicy. Pierwsza z kamer to standardowa kamera wizyjna RGB, o rozdzielczości 640x480, wykorzystywana do przetwarzania obrazu wizyjnego (m.in. rozpoznawanie twarzy) oraz nanoszenia kolorów i tekstur na obiekty wirtualne. Druga jest częścią podsystemu sensora, zwracającego informację o głębokości. Podsystem ten działa na zasadzie pomiaru odległości za pomocą światła strukturalnego. Promiennik podczerwieni wyświetla przed kamerą chmurę punktów, których położenia rejestrowane są przez kamerę z filtrem podczerwonym. Uzyskana rozdzielczość informacji o głębi z kamery to 300x200 i dalej, jest programowo interpolowana do rozdzielczości kamery wizyjnej (640x480). Zakres działania czujnika odległości to 0,4-6,5 m. Informacja o odległości we wszystkich punktach daje możliwość programowego odczytania np. sylwetki człowieka i wykrycia jego gestykulacji.