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 menggunakan aktivitas alami wajah sebagai sumber energi sensor. Pengembangan perangkat ini berada di bawah kepemimpinan Nivedita Arora, bersama Nabil Alshurafa serta tim mahasiswa tingkat magister. Tidak seperti sebagian besar perangkat pemantau kesehatan elektronik, GlassTENG mengandalkan perubahan mekanis pada wajah untuk melakukan pendeteksian. Pendekatan tersebut membantu menghadirkan sistem pengindraan hemat daya. Melalui rancangan inovatif ini, aksesori penglihatan dapat dikembangkan sebagai sensor aktivitas tubuh.
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. Kajian tersebut dipresentasikan dalam rangkaian konferensi UbiComp/ISWC 2026 yang membahas komputasi wearable dan teknologi interaktif. Sasaran pengembangan perangkat ini adalah menghadirkan pemantauan aktivitas wajah tanpa sensor berukuran besar. Para peneliti melihat bahwa banyak pengguna terbiasa mengenakan kacamata dalam aktivitas harian. Oleh karena itu, integrasi sensor pada bingkai kacamata menjadi pendekatan yang menjanjikan.
Mekanisme Perubahan Gerakan Wajah Menjadi Sinyal Listrik
Komponen utama GlassTENG adalah triboelectric nanogenerator atau TENG, yaitu teknologi yang mengubah gerakan mekanis menjadi sinyal listrik. Mekanisme dasarnya memanfaatkan perpindahan muatan akibat kontak dua material. Ketika dua lapisan material saling menyentuh dan terpisah, proses perpindahan muatan menimbulkan sinyal listrik. Dalam rancangan kacamata tersebut, gerakan kelopak mata dan otot wajah memberikan tekanan pada lapisan sensor. Respons mekanis tersebut membentuk keluaran listrik yang menggambarkan pergerakan. Melalui proses tersebut, gerakan wajah menjadi sumber informasi sekaligus energi sensor.
Karakteristik menarik sistem GlassTENG terletak pada kemampuan menghasilkan sinyal tanpa pasokan daya sensor konvensional. Saat kelopak mata bergerak, tekanan kecil pada sensor menghasilkan perubahan tegangan. Perubahan mekanis tambahan seperti mengangkat alis, mengunyah, dan mengatupkan rahang dapat dikenali melalui respons tegangan yang khas. Kendati sensor memanfaatkan energi gerakan, operasi keseluruhan sistem tetap bergantung pada rancangan rangkaian elektronik. Hal tersebut menjelaskan bahwa pengindraan mandiri tidak otomatis berarti seluruh fungsi elektronik bebas kebutuhan daya.
Kemampuan Sensor Kacamata Pintar dalam Mengenali Berbagai Sinyal Tubuh
Dalam upaya menangkap sinyal dari beberapa bagian wajah, pengembang menempatkan tiga sensor berukuran kecil pada bagian tertentu dari struktur kacamata. Perangkat pendeteksi awal berada di area kacamata yang berdekatan dengan pangkal hidung untuk membaca kedipan, gerakan alis, dan denyut pembuluh darah. Sensor kedua ditempatkan pada area samping kepala sehingga berfungsi mengidentifikasi pergerakan rahang dan sinyal denyut. Pada bagian lainnya, pendeteksi tambahan dipasang pada bagian belakang samping bingkai untuk mengenali aktivitas mengunyah dan mengatupkan rahang. Kombinasi ketiganya membantu membedakan sejumlah perilaku wajah.
Dalam eksperimen yang dilakukan, respons sensor berubah sesuai jenis dan kekuatan gerakan. Denyut pembuluh darah memberikan respons listrik sekitar 50–100 milivolt. Sementara itu, pergerakan bagian atas wajah menghasilkan tegangan berkisar 200–500 milivolt. Aktivitas mengunyah atau mengatupkan rahang dapat memunculkan sinyal hingga 1,5 volt. Karakteristik sinyal listrik tersebut memberikan informasi untuk membedakan gerakan. Namun, angka tegangan saja belum menentukan kecukupan energi bagi seluruh perangkat elektronik.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Untuk mengevaluasi kemampuan GlassTENG, 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. Ketika percobaan dilakukan, perangkat mengumpulkan respons tegangan berdasarkan aktivitas wajah. Hasil pengukuran sensor dipelajari dengan bantuan sistem kecerdasan buatan. Fungsi pemrosesan ini adalah membedakan pola sinyal dari setiap aktivitas.
Temuan pengujian menunjukkan, GlassTENG memperoleh tingkat ketepatan klasifikasi sekitar 93,8 persen. Pada beberapa kategori aktivitas, akurasi pendeteksian ketukan gigi mencapai 99 persen. Untuk aktivitas rahang, pendeteksian rahang yang dikatupkan mencapai ketepatan 96 persen. Pencapaian penelitian tersebut memperlihatkan potensi penggunaan sinyal mekanis untuk klasifikasi perilaku. Meski demikian, kemampuan prototipe perlu diuji dalam kondisi penggunaan sehari-hari yang lebih luas. Berdasarkan keterbatasan pengujian, pengembangan berikutnya perlu menilai ketahanan sensor terhadap berbagai kondisi nyata.
Potensi Kacamata Pintar Tanpa Baterai untuk Pemantauan Kesehatan
Peluang penerapan penting kacamata pintar ini adalah pengenalan perilaku yang berkaitan dengan kondisi fisik pengguna. Sebagai contoh, sensor dapat dikembangkan untuk mengenali kebiasaan mengatupkan rahang. Perilaku mengatupkan rahang dapat berkaitan dengan bruxism, yaitu kondisi ketika seseorang mengatupkan atau menggeretakkan gigi secara tidak disengaja. Dengan penyempurnaan sistem analisis, sistem mungkin mampu menyampaikan peringatan mengenai gerakan rahang tertentu. Meskipun peluang ini menarik, perangkat tersebut masih merupakan prototipe penelitian.
Di samping pemantauan bruxism, GlassTENG dapat dikembangkan untuk memantau aktivitas makan, kelelahan, dan sinyal kardiovaskular. Fitur pengenalan aktivitas kelopak mata berpotensi digunakan sebagai indikator tambahan dalam pemantauan kondisi pengguna. Untuk kebutuhan pengindraan fisiologis, komponen pendeteksi dekat pembuluh darah mampu membaca perubahan mekanis akibat denyut arteri. Data fisiologis yang diperoleh 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.
Kesimpulan: Teknologi GlassTENG Membuka Era Baru Kacamata Pintar Hemat Energi
Pengembangan GlassTENG menunjukkan kemajuan menarik dalam teknologi wearable hemat energi. Melalui pemanfaatan triboelectric nanogenerator, pergerakan kelopak mata dan rahang dapat dimanfaatkan sebagai masukan sensor tanpa bergantung pada sumber daya eksternal untuk membangkitkan sinyal sensor. Eksperimen awal yang melibatkan 20 partisipan menunjukkan akurasi pengenalan aktivitas mencapai 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. Dari sudut pandang Anda, apakah kacamata pintar tanpa baterai akan menjadi kebutuhan masa depan? Silakan bagikan pendapat Anda agar diskusi mengenai perkembangan teknologi wearable semakin menarik.
