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.
Teknologi Kacamata Pintar Tanpa Baterai yang Dikembangkan Para Peneliti
GlassTENG merupakan perangkat wearable berbentuk kacamata yang mengubah pergerakan otot wajah menjadi sinyal listrik. Penelitian tersebut berada di bawah kepemimpinan Nivedita Arora, bersama Profesor Nabil Alshurafa dan sejumlah mahasiswa peneliti. Dibandingkan sensor kesehatan yang mengandalkan baterai, GlassTENG mengandalkan perubahan mekanis pada wajah untuk melakukan pendeteksian. Metode yang digunakan bertujuan mengurangi kebutuhan energi eksternal. Dengan desain tersebut, kacamata sehari-hari berpotensi menjadi perangkat pemantauan kesehatan.
Tim peneliti mengungkapkan pengembangan perangkat dalam penelitian terbaru berjudul GlassTENG: Self-Powered Triboelectric Nanogenerator Based Sensing of Pulse, Jaw, and Upper Facial Activity from Everyday Glasses. Kajian tersebut termasuk dalam agenda ilmiah UbiComp/ISWC 2026 yang membahas komputasi wearable dan teknologi interaktif. Fokus penting dari penelitian tersebut adalah menghadirkan pemantauan aktivitas wajah tanpa sensor berukuran besar. Kelompok ilmuwan menyadari bahwa banyak pengguna terbiasa mengenakan kacamata dalam aktivitas harian. Oleh karena itu, penambahan kemampuan pemantauan pada kacamata dapat menjadi solusi praktis.
Mekanisme Perubahan Gerakan Wajah Menjadi Sinyal Listrik
Komponen utama GlassTENG adalah triboelectric nanogenerator atau TENG, yaitu perangkat yang memanfaatkan efek triboelektrik. Mekanisme dasarnya menggunakan efek listrik yang muncul ketika bahan bersentuhan. Ketika dua lapisan material saling menyentuh dan terpisah, terbentuk perbedaan potensial yang dapat diukur. Pada GlassTENG, aktivitas wajah menyebabkan perubahan kontak antarmaterial. Respons mekanis tersebut menimbulkan tegangan sebagai informasi sensor. Melalui proses tersebut, gerakan wajah menjadi sumber informasi sekaligus energi sensor.
Keunikan teknologi ini muncul karena sensor tidak membutuhkan baterai untuk membangkitkan sinyal gerakan. Saat kelopak mata bergerak, lapisan material mengalami deformasi yang memicu sinyal listrik. Aktivitas wajah lainnya seperti mengangkat alis, mengunyah, dan mengatupkan rahang memunculkan karakteristik sinyal tersendiri. Kendati sensor memanfaatkan energi gerakan, operasi keseluruhan sistem tetap bergantung pada rancangan rangkaian elektronik. Perbedaan ini menjelaskan bahwa pengindraan mandiri tidak otomatis berarti seluruh fungsi elektronik bebas kebutuhan daya.
Kemampuan Sensor Kacamata Pintar dalam Mengenali Berbagai Sinyal Tubuh
Agar berbagai gerakan wajah dapat terdeteksi, para ilmuwan menggunakan tiga komponen pengindra fleksibel pada bagian tertentu dari struktur kacamata. Sensor pertama berada di area kacamata yang berdekatan dengan pangkal hidung untuk mendeteksi aktivitas kelopak mata serta sinyal denyut. Sensor kedua dipasang di bagian rangka yang berdekatan dengan pelipis sehingga dapat menangkap gerakan rahang dan denyut arteri temporal. Sebagai pelengkap sistem, komponen terakhir terletak di sekitar area telinga untuk mengenali aktivitas mengunyah dan mengatupkan rahang. Kombinasi ketiganya membantu membedakan sejumlah perilaku wajah.
Hasil pengukuran menunjukkan, setiap aktivitas menghasilkan tegangan dengan karakteristik berbeda. Pulsa arteri yang terdeteksi menghasilkan sinyal sekitar 50 hingga 100 milivolt. Untuk perubahan gerakan yang lebih jelas, kedipan mata serta gerakan alis menghasilkan sekitar 200 hingga 500 milivolt. Aktivitas mengunyah atau mengatupkan rahang dapat memunculkan sinyal hingga 1,5 volt. Karakteristik sinyal listrik tersebut menjadi dasar identifikasi perilaku wajah. Meskipun nilai tegangan terlihat menarik, besar voltase tidak langsung menunjukkan kemampuan memasok daya besar.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Sebagai bagian dari penelitian eksperimental, para ilmuwan melibatkan 20 peserta. Individu yang mengikuti penelitian melakukan enam kategori gerakan wajah, yaitu mengedipkan mata, menaikkan alis, mengepalkan rahang, mengetuk gigi, mengunyah makanan, serta berbicara. Selama pengujian berlangsung, perangkat mengumpulkan respons tegangan berdasarkan aktivitas wajah. Informasi yang diperoleh dipelajari dengan bantuan sistem kecerdasan buatan. Fungsi pemrosesan ini adalah menentukan jenis perilaku berdasarkan perubahan tegangan.
Hasil penelitian memperlihatkan, GlassTENG menunjukkan kemampuan pengenalan enam aktivitas dengan akurasi 93,8 persen. Untuk gerakan tertentu, akurasi pendeteksian ketukan gigi mencapai 99 persen. Untuk aktivitas rahang, pendeteksian rahang yang dikatupkan mencapai ketepatan 96 persen. Hasil pengukuran ini menunjukkan kemampuan sensor membedakan beberapa aktivitas wajah. Walaupun hasilnya terlihat baik, kemampuan prototipe perlu diuji dalam kondisi penggunaan sehari-hari yang lebih luas. Oleh karena itu, uji tambahan penting untuk memastikan konsistensi performa.
Potensi Kacamata Pintar Tanpa Baterai untuk Pemantauan Kesehatan
Salah satu potensi utama GlassTENG adalah pengenalan perilaku yang berkaitan dengan kondisi fisik pengguna. Sebagai contoh, sistem berpotensi digunakan untuk memantau aktivitas rahang yang berulang. Aktivitas tersebut termasuk perilaku yang relevan dalam pemantauan bruxism, yaitu kebiasaan mengepalkan maupun menggesekkan gigi tanpa disadari. Apabila dikembangkan lebih lanjut, perangkat dapat dirancang untuk membantu pengguna menyadari aktivitas rahangnya. Namun, perangkat tersebut masih merupakan prototipe penelitian.
Di samping pemantauan bruxism, GlassTENG berpotensi membantu penelitian mengenai aktivitas wajah dan kondisi fisiologis. Sistem pembacaan gerakan mata dapat menjadi salah satu masukan untuk penelitian kelelahan. Sementara itu, perangkat pengindra pada lokasi tertentu dapat menangkap respons dari getaran pembuluh darah. Hasil pengukuran mekanis itu dapat mendukung penelitian pemantauan kesehatan noninvasif. Dengan pengembangan yang memadai, kacamata sehari-hari dapat memiliki fungsi pengindraan tambahan. Namun demikian, manfaat kesehatan perlu dibuktikan melalui penelitian yang lebih luas.
Kesimpulan: Teknologi GlassTENG Membuka Era Baru Kacamata Pintar Hemat Energi
Penelitian kacamata pintar tanpa baterai menunjukkan kemajuan menarik dalam teknologi wearable hemat energi. Berkat penerapan triboelectric nanogenerator, pergerakan kelopak mata dan rahang dapat dimanfaatkan sebagai masukan sensor tanpa mengandalkan baterai konvensional dalam proses pendeteksian mekanis. Hasil pengujian terhadap 20 peserta menghasilkan ketepatan klasifikasi keseluruhan sebesar 93,8 persen. Temuan ini memberikan dasar bagi pengembangan sensor kesehatan masa depan. Walaupun masih membutuhkan penyempurnaan, GlassTENG menggambarkan peluang perangkat elektronik dengan kebutuhan baterai lebih rendah. Menurut Anda, apakah kacamata pintar tanpa baterai akan menjadi kebutuhan masa depan? Silakan bagikan pendapat Anda agar pembahasan tentang inovasi sensor kesehatan menjadi lebih bermanfaat.
