Do rejestracji aktywności mózgu wykorzystano urządzenie Unicorn Hybrid Black, które zbiera dane EEG użytkownika. Następnie sygnały były analizowane i przetwarzane w języku Python, co umożliwiało rozpoznawanie rodzaju ruchu kończyny, o jakim w danej chwili myślał użytkownik. Po klasyfikacji dane przesyłano do urządzeń docelowych za pomocą odpowiednich protokołów komunikacyjnych. Według zespołu, największym wyzwaniem okazała się zarówno ilość danych, jak i ich złożona obróbka. Początkowo stanowiło to istotne ograniczenie, jednak po przetestowaniu różnych metod i uzyskaniu dostępu do większej mocy obliczeniowej udało się pokonać te trudności.