El funcionamiento se basa en la detección de gestos, tanto individuales (una sonrisa) como grupales (dos personas chocándose la mano), y de sonidos pregrabados (una carcajada). Su finalidad no sería únicamente para usarlo en videojuegos, sino también junto a la reproducción de películas o series, o de presentaciones multimedia. Otra aplicación que se nos ocurre es la interacción con personajes virtuales.