Algoritma di teknologi ini dilatih menggunakan teknik machine learning untuk mengenali tindakan seperti mengirim SMS, berbicara di ponsel atau menjangkau ke jok belakang untuk mengambil sesuatu. Keseriusan tindakan dinilai berdasarkan durasi dan faktor lainnya.
Pekerjaan itu dibangun berdasarkan penelitian terdahulu di CPAMI mengenai pengakuan tanda-tanda, termasuk sering berkedip, bahwa pengemudi berada dalam bahaya tertidur di kemudi. Posisi kepala dan wajah juga merupakan isyarat penting untuk mengalihkan perhatian. Penelitian yang sedang berlangsung di pusat sekarang berusaha menggabungkan pendeteksian, pemrosesan dan penilaian beberapa jenis gangguan pengemudi dalam satu sistem.
"Ini memiliki dampak besar pada masyarakat," kata Karray, mengutip perkiraan bahwa pengemudi yang terganggu harus disalahkan hingga 75 persen dari semua kecelakaan lalu lintas di seluruh dunia.
Proyek penelitian lain di CPAMI adalah mengeksplorasi penggunaan sensor untuk mengukur sinyal fisiologis seperti tingkat berkedip mata, dan variabilitas denyut jantung untuk membantu menentukan apakah ada pengemudi cukup memperhatikan jalan.