Mỗi ngón tay của GelSight EndoFlex bao gồm một khung xương cứng được bọc bởi một lớp vỏ mềm và linh hoạt. Mỗi ngón tay có hai cảm biến GelSight, mỗi cảm biến có một miếng cao su trong suốt được phủ một lớp sơn kim loại.

Khi sơn được ép vào một bề mặt, nó biến dạng theo hình dạng của bề mặt đó. Một máy ảnh nhỏ tích hợp có thể chụp hình các đường viền nhỏ của bề mặt, và các thuật toán đặc biệt trên máy tính có thể tạo ra hình ảnh 3D của vật thể được nắm.

Bằng cách kết hợp hình ảnh từ sáu cảm biến như vậy, hệ thống có thể xác định được vật thể đó là gì sau khi nắm một lần duy nhất. Hệ thống có tỷ lệ chính xác khoảng 85% trong hiện trạng hiện tại, nhưng con số này có thể được cải thiện khi công nghệ được phát triển thêm.