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 dikembangkan sebagai sistem sensor kesehatan yang terintegrasi pada kacamata yang memanfaatkan energi mekanis dari gerakan wajah. Inovasi teknologi tersebut dipimpin oleh Profesor Nivedita Arora, bersama Profesor Nabil Alshurafa dan sejumlah mahasiswa peneliti. Dibandingkan sensor kesehatan yang mengandalkan baterai, GlassTENG memanfaatkan aktivitas fisik untuk menghasilkan sinyal sensor. Konsep pengembangan ini membantu menghadirkan sistem pengindraan hemat daya. Berkat penerapan sistem tersebut, kacamata sehari-hari berpotensi menjadi perangkat pemantauan kesehatan.
Tim peneliti memperkenalkan hasil penelitian melalui publikasi ilmiah 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 menampilkan perkembangan sistem komputasi dan perangkat yang dikenakan. Sasaran pengembangan perangkat ini adalah menciptakan sistem pengindraan yang lebih mudah digunakan setiap hari. Tim pengembang mempertimbangkan bahwa perangkat kacamata telah menjadi bagian dari rutinitas masyarakat. Dengan pertimbangan tersebut, integrasi sensor pada bingkai kacamata menjadi pendekatan yang menjanjikan.
Cara Kerja Teknologi Kedipan Mata sebagai Sumber Energi GlassTENG
Teknologi inti pada kacamata pintar tersebut adalah triboelectric nanogenerator atau TENG, yaitu komponen penghasil muatan listrik melalui kontak material. Mekanisme dasarnya memanfaatkan perpindahan muatan akibat kontak dua material. Apabila dua material mengalami siklus sentuhan dan pemisahan, terbentuk perbedaan potensial yang dapat diukur. Pada GlassTENG, kedipan serta kontraksi otot menggerakkan lapisan fleksibel. Respons mekanis tersebut membentuk keluaran listrik yang menggambarkan pergerakan. Dengan demikian, gerakan wajah menjadi sumber informasi sekaligus energi sensor.
Karakteristik menarik sistem GlassTENG muncul karena sensor tidak membutuhkan baterai untuk membangkitkan sinyal gerakan. Apabila seseorang menutup dan membuka mata, lapisan material mengalami deformasi yang memicu sinyal listrik. Perubahan mekanis tambahan seperti mengangkat alis, mengunyah, dan mengatupkan rahang dapat dikenali melalui respons tegangan yang khas. Walaupun sensor bekerja tanpa baterai, komponen elektronik pendukung masih mempunyai kebutuhan daya. Hal tersebut perlu diperhatikan ketika membahas konsep kacamata tanpa baterai.
Tiga Sensor Fleksibel Membaca Aktivitas Wajah dan Denyut Pembuluh Darah
Dalam upaya menangkap sinyal dari beberapa bagian wajah, pengembang menempatkan tiga sensor berukuran kecil pada titik pengamatan yang berbeda pada rangka kacamata. Sensor pertama diletakkan di sekitar jembatan hidung untuk membaca kedipan, gerakan alis, dan denyut pembuluh darah. Pendeteksi lainnya diposisikan dekat pelipis sehingga mampu membaca aktivitas otot rahang serta pembuluh darah. Pada bagian lainnya, sensor ketiga berada dekat telinga untuk mengamati perubahan mekanis ketika pengguna mengunyah. Kombinasi ketiganya membantu membedakan sejumlah perilaku wajah.
Hasil pengukuran menunjukkan, respons sensor berubah sesuai jenis dan kekuatan gerakan. Pulsa arteri yang terdeteksi memunculkan tegangan dalam kisaran 50 sampai 100 milivolt. Untuk perubahan gerakan yang lebih jelas, aktivitas kelopak mata dan alis memberikan sinyal sekitar 200 sampai 500 milivolt. Aktivitas mengunyah atau mengatupkan rahang dapat memunculkan sinyal hingga 1,5 volt. Variasi tegangan yang dihasilkan memberikan informasi untuk membedakan gerakan. Perlu diperhatikan bahwa, tegangan yang dihasilkan tidak sama dengan jumlah energi yang tersedia.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Untuk mengevaluasi kemampuan GlassTENG, tim pengembang melakukan percobaan bersama 20 partisipan. 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, sensor mencatat sinyal listrik dari gerakan peserta. Hasil pengukuran sensor dipelajari dengan bantuan sistem kecerdasan buatan. Tujuannya adalah menentukan jenis perilaku berdasarkan perubahan tegangan.
Berdasarkan data eksperimen, GlassTENG mencapai akurasi keseluruhan sebesar 93,8 persen. Pada beberapa kategori aktivitas, sistem mengenali aktivitas mengetukkan gigi dengan ketepatan 99 persen. Sementara itu, gerakan mengatupkan rahang dikenali dengan akurasi 96 persen. Angka tersebut menunjukkan kemampuan sensor membedakan beberapa aktivitas wajah. Kendati akurasinya cukup tinggi, 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.
Peluang Penggunaan Sensor Kedipan Mata bagi Kesehatan Sehari-hari
Manfaat jangka panjang yang menarik dari GlassTENG adalah pengamatan aktivitas wajah dalam rutinitas sehari-hari. Dalam kemungkinan penggunaan mendatang, sensor dapat dikembangkan untuk mengenali kebiasaan mengatupkan rahang. Aktivitas tersebut menjadi salah satu aspek yang diperhatikan pada gangguan bruxism, yaitu kondisi ketika seseorang mengatupkan atau menggeretakkan gigi secara tidak disengaja. Apabila dikembangkan lebih lanjut, perangkat dapat dirancang untuk membantu pengguna menyadari aktivitas rahangnya. Meskipun peluang ini menarik, GlassTENG belum dapat dianggap sebagai alat diagnosis medis.
Di samping pemantauan bruxism, GlassTENG berpotensi membantu penelitian mengenai aktivitas wajah dan kondisi fisiologis. Fitur pengenalan aktivitas kelopak mata menawarkan data yang relevan bagi analisis kebiasaan serta tingkat kewaspadaan. Sementara itu, sensor pada area hidung dan pelipis menghasilkan informasi mengenai gerakan halus akibat denyut. Data fisiologis yang diperoleh memberikan dasar bagi penelitian teknologi kesehatan wearable. Apabila penelitian lanjutan berhasil, pengguna mungkin memperoleh perangkat pemantauan kesehatan yang semakin nyaman. Perlu ditekankan bahwa, penggunaan medis tetap membutuhkan pemeriksaan akurasi dan keamanan.
Kesimpulan: Teknologi GlassTENG Membuka Era Baru Kacamata Pintar Hemat Energi
Inovasi sensor berbasis gerakan wajah menunjukkan kemajuan menarik dalam teknologi wearable hemat energi. Dengan menggunakan triboelectric nanogenerator, kedipan mata serta gerakan wajah dapat menghasilkan sinyal listrik tanpa mengandalkan baterai konvensional dalam proses pendeteksian mekanis. Hasil pengujian terhadap 20 peserta menghasilkan ketepatan klasifikasi keseluruhan sebesar 93,8 persen. Pencapaian tersebut memberikan dasar bagi pengembangan sensor kesehatan masa depan. Meskipun perangkat belum menjadi produk konsumen massal, 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 pembahasan tentang inovasi sensor kesehatan menjadi lebih bermanfaat.
