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 menggunakan aktivitas alami wajah sebagai sumber energi sensor. Inovasi teknologi tersebut berada di bawah kepemimpinan Nivedita Arora, bersama kelompok peneliti yang melibatkan Nabil Alshurafa dan mahasiswa pascasarjana. Berbeda dengan banyak perangkat wearable konvensional, GlassTENG menggunakan gerakan tubuh sebagai sumber energi pengindraan. Konsep pengembangan ini mendukung rancangan sensor yang tidak memerlukan baterai. Berkat penerapan sistem tersebut, kacamata sehari-hari berpotensi menjadi perangkat pemantauan kesehatan.
Para ilmuwan yang terlibat 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 menciptakan sistem pengindraan yang lebih mudah digunakan setiap hari. Kelompok ilmuwan menyadari bahwa perangkat kacamata telah menjadi bagian dari rutinitas masyarakat. Berdasarkan kebiasaan penggunaan tersebut, 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. Prinsip kerjanya memanfaatkan perpindahan muatan akibat kontak dua material. Apabila dua material mengalami siklus sentuhan dan pemisahan, terbentuk perbedaan potensial yang dapat diukur. Dalam rancangan kacamata tersebut, kedipan serta kontraksi otot menggerakkan lapisan fleksibel. Perubahan tersebut menghasilkan sinyal listrik yang dapat dianalisis. Melalui proses tersebut, kedipan mata tidak hanya dideteksi tetapi juga menyediakan energi pengindraannya.
Keunggulan dari pendekatan triboelektrik tersebut berasal dari penggunaan energi mekanis yang tersedia secara alami. Apabila seseorang menutup dan membuka mata, tekanan kecil pada sensor menghasilkan perubahan tegangan. Perubahan mekanis tambahan seperti menaikkan alis, menggerakkan rahang, serta mengunyah memunculkan karakteristik sinyal tersendiri. Walaupun sensor bekerja tanpa baterai, operasi keseluruhan sistem tetap bergantung pada rancangan rangkaian elektronik. Hal tersebut menjelaskan bahwa pengindraan mandiri tidak otomatis berarti seluruh fungsi elektronik bebas kebutuhan daya.
Tiga Sensor Fleksibel Membaca Aktivitas Wajah dan Denyut Pembuluh Darah
Untuk memperoleh informasi yang lebih lengkap, pengembang menempatkan tiga sensor berukuran kecil pada bagian tertentu dari struktur kacamata. Sensor pertama diletakkan di sekitar jembatan hidung untuk mendeteksi aktivitas kelopak mata serta sinyal denyut. Komponen berikutnya ditempatkan pada area samping kepala sehingga mampu membaca aktivitas otot rahang serta pembuluh darah. Sementara itu, pendeteksi tambahan dipasang pada bagian belakang samping bingkai untuk mendeteksi tekanan akibat gerakan rahang. Kombinasi ketiganya menyediakan informasi mekanis dari beberapa area tubuh.
Dalam eksperimen yang dilakukan, respons sensor berubah sesuai jenis dan kekuatan gerakan. Gerakan halus akibat denyut arteri memberikan respons listrik sekitar 50–100 milivolt. Pada aktivitas wajah lainnya, aktivitas kelopak mata dan alis memberikan sinyal sekitar 200 sampai 500 milivolt. Gerakan rahang yang lebih kuat dapat memunculkan sinyal hingga 1,5 volt. Perbedaan nilai tersebut menjadi dasar identifikasi perilaku wajah. Meskipun nilai tegangan terlihat menarik, angka tegangan saja belum menentukan kecukupan energi bagi seluruh perangkat elektronik.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Sebagai bagian dari penelitian eksperimental, para ilmuwan melibatkan 20 peserta. Masing-masing partisipan diminta menjalankan enam jenis aktivitas, yaitu berkedip, mengangkat alis, mengatupkan rahang, mengetukkan gigi, makan, dan berbicara. Selama pengujian berlangsung, sensor mencatat sinyal listrik dari gerakan peserta. Hasil pengukuran sensor kemudian dianalisis menggunakan algoritma machine learning. Fungsi pemrosesan ini adalah membedakan pola sinyal dari setiap aktivitas.
Hasil penelitian memperlihatkan, GlassTENG mencapai akurasi keseluruhan sebesar 93,8 persen. Untuk gerakan tertentu, akurasi pendeteksian ketukan gigi mencapai 99 persen. Sementara itu, pendeteksian rahang yang dikatupkan mencapai ketepatan 96 persen. Angka tersebut memberikan bukti awal bahwa pendekatan pengindraan ini cukup menjanjikan. Kendati akurasinya cukup tinggi, pengujian dengan jumlah peserta terbatas belum membuktikan kinerja pada seluruh populasi. Dengan mempertimbangkan hal tersebut, penelitian lanjutan diperlukan sebelum perangkat digunakan secara komersial.
Manfaat Teknologi GlassTENG dalam Mendeteksi Kebiasaan dan Aktivitas Tubuh
Peluang penerapan penting kacamata pintar ini adalah pengenalan perilaku yang berkaitan dengan kondisi fisik pengguna. Untuk menggambarkan manfaat praktisnya, sistem berpotensi digunakan untuk memantau aktivitas rahang yang berulang. Kebiasaan mengepalkan rahang menjadi salah satu aspek yang diperhatikan pada gangguan bruxism, yaitu kebiasaan mengepalkan maupun menggesekkan gigi tanpa disadari. Jika kemampuan pemantauan ditingkatkan, kacamata berpotensi memberikan pengingat ketika perilaku tersebut terdeteksi. Namun, kemampuan klinisnya masih memerlukan validasi tambahan.
Tidak hanya berpotensi mengenali kebiasaan mengatupkan gigi, GlassTENG berpotensi membantu penelitian mengenai aktivitas wajah dan kondisi fisiologis. Sistem pembacaan gerakan mata dapat menjadi salah satu masukan untuk penelitian kelelahan. Dalam aspek pemantauan pembuluh darah, sensor pada area hidung dan pelipis mampu membaca perubahan mekanis akibat denyut arteri. Hasil pengukuran mekanis itu dapat mendukung penelitian pemantauan kesehatan noninvasif. Apabila penelitian lanjutan berhasil, pengguna mungkin memperoleh perangkat pemantauan kesehatan yang semakin nyaman. Namun demikian, penggunaan medis tetap membutuhkan pemeriksaan akurasi dan keamanan.
Inovasi Energi Kedipan Mata Menawarkan Peluang Baru bagi Wearable Modern
Inovasi sensor berbasis gerakan wajah menunjukkan kemajuan menarik dalam penelitian sensor elektronik berdaya sangat rendah. Berkat penerapan triboelectric nanogenerator, aktivitas alami pengguna mampu menjadi sumber energi pengindraan tanpa memerlukan baterai pada komponen pengindra utama. Penelitian dengan pengujian pada 20 orang memperlihatkan kemampuan membedakan enam aktivitas dengan akurasi 93,8 persen. Hasil penelitian tersebut menjadi langkah awal menuju sistem wearable yang semakin efisien. Walaupun masih membutuhkan penyempurnaan, GlassTENG memperlihatkan potensi teknologi pengindraan mandiri. Menurut Anda, seberapa bermanfaat sensor kesehatan yang terintegrasi pada kacamata? Ceritakan fitur kacamata pintar yang paling Anda harapkan agar diskusi mengenai perkembangan teknologi wearable semakin menarik.
