Perkembangan teknologi perangkat wearable kembali menghadirkan inovasi menarik melalui kacamata pintar tanpa baterai yang mampu memanfaatkan energi dari kedipan mata dan gerakan wajah manusia. Tim peneliti Northwestern University mengembangkan perangkat bernama GlassTENG, yaitu kacamata dengan sensor khusus yang menghasilkan sinyal listrik dari aktivitas alami wajah. Teknologi ini memungkinkan pemantauan kedipan, gerakan rahang, hingga denyut pembuluh darah tanpa membutuhkan baterai untuk mengoperasikan sensor utamanya. Penelitian yang diumumkan pada Oktober 2026 tersebut membuka peluang pengembangan perangkat kesehatan pintar yang lebih ringan, hemat energi, dan nyaman digunakan sepanjang hari tanpa harus bergantung pada pengisian daya sensor secara berkala.
Inovasi GlassTENG yang Mengubah Gerakan Wajah Menjadi Energi Listrik
GlassTENG merupakan prototipe kacamata pintar yang mengubah pergerakan otot wajah menjadi sinyal listrik. Pengembangan perangkat ini dikoordinasikan oleh peneliti Northwestern University, Nivedita Arora, bersama Profesor Nabil Alshurafa dan sejumlah mahasiswa peneliti. Tidak seperti sebagian besar perangkat pemantau kesehatan elektronik, GlassTENG mengandalkan perubahan mekanis pada wajah untuk melakukan pendeteksian. Pendekatan tersebut bertujuan mengurangi kebutuhan energi eksternal. Dengan desain tersebut, kacamata sehari-hari berpotensi menjadi perangkat pemantauan kesehatan.
Para ilmuwan yang terlibat menjelaskan kemampuan prototipe melalui laporan akademik berjudul GlassTENG: Self-Powered Triboelectric Nanogenerator Based Sensing of Pulse, Jaw, and Upper Facial Activity from Everyday Glasses. Penelitian ini termasuk dalam agenda ilmiah UbiComp/ISWC 2026 yang berfokus pada komputasi yang terintegrasi dengan aktivitas manusia. Sasaran pengembangan perangkat ini adalah mengurangi ketergantungan pada perangkat kesehatan yang memerlukan pengisian daya. Tim pengembang mempertimbangkan bahwa banyak pengguna terbiasa mengenakan kacamata dalam aktivitas harian. Berdasarkan kebiasaan penggunaan tersebut, pemanfaatan kacamata sebagai perangkat kesehatan menawarkan peluang menarik.
Mekanisme Perubahan Gerakan Wajah Menjadi Sinyal Listrik
Bagian terpenting dari sistem pengindraan GlassTENG adalah triboelectric nanogenerator atau TENG, yaitu perangkat yang memanfaatkan efek triboelektrik. Prinsip kerjanya berkaitan dengan fenomena listrik statis. Saat permukaan bahan mengalami kontak lalu menjauh, proses perpindahan muatan menimbulkan sinyal listrik. Pada GlassTENG, gerakan kelopak mata dan otot wajah memberikan tekanan pada lapisan sensor. Perubahan tersebut menimbulkan tegangan sebagai informasi sensor. Dengan demikian, kedipan mata tidak hanya dideteksi tetapi juga menyediakan energi pengindraannya.
Keunikan teknologi ini terletak pada kemampuan menghasilkan sinyal tanpa pasokan daya sensor konvensional. Apabila seseorang menutup dan membuka mata, lapisan material mengalami deformasi yang memicu sinyal listrik. Aktivitas wajah lainnya seperti menaikkan alis, menggerakkan rahang, serta mengunyah memunculkan karakteristik sinyal tersendiri. Walaupun sensor bekerja tanpa baterai, pemrosesan data dan komunikasi nirkabel tetap memerlukan pengelolaan energi. Hal tersebut menjelaskan bahwa pengindraan mandiri tidak otomatis berarti seluruh fungsi elektronik bebas kebutuhan daya.
Kemampuan Sensor Kacamata Pintar dalam Mengenali Berbagai Sinyal Tubuh
Untuk memperoleh informasi yang lebih lengkap, para ilmuwan menggunakan tiga komponen pengindra fleksibel pada titik pengamatan yang berbeda pada rangka kacamata. Sensor pertama dipasang pada bagian tengah bingkai dekat hidung untuk memantau perubahan mekanis di sekitar mata dan pembuluh darah. Komponen berikutnya diposisikan dekat pelipis sehingga berfungsi mengidentifikasi pergerakan rahang dan sinyal denyut. Sebagai pelengkap sistem, pendeteksi tambahan dipasang pada bagian belakang samping bingkai untuk mendeteksi tekanan akibat gerakan rahang. Integrasi beberapa titik pengindraan membantu membedakan sejumlah perilaku wajah.
Hasil pengukuran menunjukkan, gerakan wajah memunculkan keluaran listrik yang bervariasi. Denyut pembuluh darah menghasilkan sinyal sekitar 50 hingga 100 milivolt. Pada aktivitas wajah lainnya, pergerakan bagian atas wajah menghasilkan tegangan berkisar 200–500 milivolt. Aktivitas mengunyah atau mengatupkan rahang menunjukkan respons listrik sampai 1,5 volt. Karakteristik sinyal listrik tersebut membantu sistem mengenali jenis aktivitas. Namun, angka tegangan saja belum menentukan kecukupan energi bagi seluruh perangkat elektronik.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Dalam menguji kinerja sensor, peneliti menguji prototipe terhadap 20 orang. Setiap peserta melakukan enam kategori gerakan wajah, yaitu melakukan gerakan kelopak mata, alis, rahang, ketukan gigi, aktivitas makan, dan percakapan. Ketika percobaan dilakukan, sensor mencatat sinyal listrik dari gerakan peserta. Hasil pengukuran sensor kemudian dianalisis menggunakan algoritma machine learning. Fungsi pemrosesan ini adalah menentukan jenis perilaku berdasarkan perubahan tegangan.
Berdasarkan data eksperimen, GlassTENG menunjukkan kemampuan pengenalan enam aktivitas dengan akurasi 93,8 persen. Untuk gerakan tertentu, akurasi pendeteksian ketukan gigi mencapai 99 persen. Pada kategori lainnya, sistem menunjukkan tingkat pengenalan sebesar 96 persen pada aktivitas mengatupkan rahang. Hasil pengukuran ini memperlihatkan potensi penggunaan sinyal mekanis untuk klasifikasi perilaku. Kendati akurasinya cukup tinggi, hasil laboratorium masih membutuhkan validasi pada kelompok pengguna lebih beragam. Dengan mempertimbangkan hal tersebut, penelitian lanjutan diperlukan sebelum perangkat digunakan secara komersial.
Peluang Penggunaan Sensor Kedipan Mata bagi Kesehatan Sehari-hari
Manfaat jangka panjang yang menarik dari GlassTENG adalah pengenalan perilaku yang berkaitan dengan kondisi fisik pengguna. Untuk menggambarkan manfaat praktisnya, perangkat dapat membantu mencatat pola gerakan rahang. Kebiasaan mengepalkan rahang dapat berkaitan dengan bruxism, yaitu aktivitas rahang berupa pengatupan atau penggeretakan gigi yang tidak disengaja. Dengan penyempurnaan sistem analisis, kacamata berpotensi memberikan pengingat ketika perilaku tersebut terdeteksi. Namun, perangkat tersebut masih merupakan prototipe penelitian.
Di samping pemantauan bruxism, GlassTENG dapat dikembangkan untuk memantau aktivitas makan, kelelahan, dan sinyal kardiovaskular. Sistem pembacaan gerakan mata berpotensi digunakan sebagai indikator tambahan dalam pemantauan kondisi pengguna. Untuk kebutuhan pengindraan fisiologis, komponen pendeteksi dekat pembuluh darah dapat menangkap respons dari getaran pembuluh darah. Hasil pengukuran mekanis itu berpotensi dimanfaatkan untuk pengembangan perangkat pengamatan kondisi tubuh. Jika teknologi ini terus disempurnakan, pengguna mungkin memperoleh perangkat pemantauan kesehatan yang semakin nyaman. Meskipun demikian, penggunaan medis tetap membutuhkan pemeriksaan akurasi dan keamanan.
Inovasi Energi Kedipan Mata Menawarkan Peluang Baru bagi Wearable Modern
Inovasi sensor berbasis gerakan wajah memberikan kontribusi penting dalam pengembangan perangkat kesehatan yang dikenakan. Melalui pemanfaatan triboelectric nanogenerator, pergerakan kelopak mata dan rahang dapat dimanfaatkan sebagai masukan sensor tanpa memerlukan baterai pada komponen pengindra utama. Eksperimen awal yang melibatkan 20 partisipan memperlihatkan kemampuan membedakan enam aktivitas dengan akurasi 93,8 persen. Hasil penelitian tersebut menawarkan peluang menciptakan kacamata dengan fungsi pemantauan tambahan. Kendati penelitian lebih lanjut masih diperlukan, GlassTENG menunjukkan manfaat pemanfaatan energi gerakan tubuh. Menurut Anda, apakah kacamata pintar tanpa baterai akan menjadi kebutuhan masa depan? Ceritakan fitur kacamata pintar yang paling Anda harapkan agar semakin banyak gagasan mengenai pemanfaatan perangkat hemat energi dapat dibagikan.
