AR integra una combinación de entornos digitales y físicos, interacciones realizadas en tiempo real e identificación 3-D de objetos virtuales y reales. Usando esos datos, puede mostrar un objeto o interfaz tridimensional superpuesto al mundo real. Para lograr esto, se requieren varios componentes de hardware, como un procesador, una pantalla y sensores. En algunos casos, es necesario un dispositivo de entrada como un mouse y un teclado si los usuarios desean interactuar con la interfaz. Lo más importante es que el dispositivo necesita una cámara, como la que se encuentra en un teléfono inteligente, una tableta, unas gafas o unos auriculares.
Hay dos tipos de AR: El primer tipo se conoce como AR basado en marcadores, que utiliza reconocimiento de imágenes que permite al software identificar objetos preprogramados en un dispositivo o aplicación. Por ejemplo, cuando los usuarios escanean un código QR y aparece información sobre un objeto o ubicación. El código QR es un marcador, por lo tanto, «basado en marcadores». Luego está la RA sin marcadores y, como su nombre lo indica, los usuarios no necesitan escanear un marcador para recibir una experiencia mejorada.
En cambio, la RA sin marcadores utiliza información recopilada por la ubicación geográfica de un dispositivo, cámaras, sensores como acelerómetros o brújulas e incluso la hora del día para generar datos virtuales. Existen numerosas subcategorías de RA sin marcadores, incluida la RA basada en ubicación, basada en superposición y basada en proyección. Algunas aplicaciones utilizan una combinación de todos los subtipos para brindar una experiencia más completa. «Pokémon Go» es una forma de AR sin marcadores.