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.
Mengenal GlassTENG, Kacamata Pintar Tanpa Baterai Hasil Penelitian Northwestern
GlassTENG merupakan prototipe kacamata pintar yang memanfaatkan energi mekanis dari gerakan wajah. Pengembangan perangkat ini dikoordinasikan oleh peneliti Northwestern University, Nivedita Arora, bersama Profesor Nabil Alshurafa dan sejumlah mahasiswa peneliti. Berbeda dengan banyak perangkat wearable konvensional, GlassTENG memanfaatkan aktivitas fisik untuk menghasilkan sinyal sensor. Metode yang digunakan bertujuan mengurangi kebutuhan energi eksternal. Dengan desain tersebut, perangkat yang biasa dikenakan dapat memiliki kemampuan pengindraan tambahan.
Kelompok pengembang GlassTENG 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 berfokus pada komputasi yang terintegrasi dengan aktivitas manusia. Salah satu tujuan utamanya adalah mengurangi ketergantungan pada perangkat kesehatan yang memerlukan pengisian daya. Kelompok ilmuwan menyadari bahwa kacamata merupakan aksesori yang sudah digunakan banyak orang. Dengan pertimbangan tersebut, penambahan kemampuan pemantauan pada kacamata dapat menjadi solusi praktis.
Mekanisme Perubahan Gerakan Wajah Menjadi Sinyal Listrik
Bagian terpenting dari sistem pengindraan GlassTENG adalah triboelectric nanogenerator atau TENG, yaitu teknologi yang mengubah gerakan mekanis menjadi sinyal listrik. Mekanisme dasarnya memanfaatkan perpindahan muatan akibat kontak dua material. Apabila dua material mengalami siklus sentuhan dan pemisahan, proses perpindahan muatan menimbulkan sinyal listrik. Dalam rancangan kacamata tersebut, aktivitas wajah menyebabkan perubahan kontak antarmaterial. Aktivitas kontak dan pemisahan itu 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. Ketika pengguna berkedip, gerakan tersebut menimbulkan respons listrik pada komponen fleksibel. Gerakan lain seperti mengangkat alis, mengunyah, dan mengatupkan rahang memunculkan karakteristik sinyal tersendiri. Walaupun sensor bekerja tanpa baterai, operasi keseluruhan sistem tetap bergantung pada rancangan rangkaian elektronik. Perbedaan ini menjelaskan bahwa pengindraan mandiri tidak otomatis berarti seluruh fungsi elektronik bebas kebutuhan daya.
Tiga Sensor Fleksibel Membaca Aktivitas Wajah dan Denyut Pembuluh Darah
Dalam upaya menangkap sinyal dari beberapa bagian wajah, para ilmuwan menggunakan tiga komponen pengindra fleksibel pada titik pengamatan yang berbeda pada rangka kacamata. Komponen pengindra pertama diletakkan di sekitar jembatan hidung untuk mendeteksi aktivitas kelopak mata serta sinyal denyut. Sensor kedua ditempatkan pada area samping kepala sehingga dapat menangkap gerakan rahang dan denyut arteri temporal. Pada bagian lainnya, sensor ketiga berada dekat telinga untuk mengenali aktivitas mengunyah dan mengatupkan rahang. Integrasi beberapa titik pengindraan membantu membedakan sejumlah perilaku wajah.
Hasil pengukuran menunjukkan, respons sensor berubah sesuai jenis dan kekuatan gerakan. Denyut pembuluh darah menghasilkan sinyal sekitar 50 hingga 100 milivolt. Pada aktivitas wajah lainnya, aktivitas kelopak mata dan alis memberikan sinyal sekitar 200 sampai 500 milivolt. Tekanan mekanis lebih besar dari otot rahang menunjukkan respons listrik sampai 1,5 volt. Karakteristik sinyal listrik tersebut membantu sistem mengenali jenis aktivitas. Namun, besar voltase tidak langsung menunjukkan kemampuan memasok daya besar.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Sebagai bagian dari penelitian eksperimental, tim pengembang melakukan percobaan bersama 20 partisipan. Masing-masing partisipan menjalani serangkaian pengujian dengan enam kegiatan berbeda, yaitu mengedipkan mata, menaikkan alis, mengepalkan rahang, mengetuk gigi, mengunyah makanan, serta berbicara. Ketika percobaan dilakukan, sistem membaca perubahan listrik yang dihasilkan masing-masing gerakan. Hasil pengukuran sensor kemudian dianalisis menggunakan algoritma machine learning. Fungsi pemrosesan ini adalah menentukan jenis perilaku berdasarkan perubahan tegangan.
Temuan pengujian menunjukkan, GlassTENG mencapai akurasi keseluruhan sebesar 93,8 persen. Untuk gerakan tertentu, klasifikasi gerakan ketukan gigi menghasilkan akurasi 99 persen. Sementara itu, pendeteksian rahang yang dikatupkan mencapai ketepatan 96 persen. Hasil pengukuran ini 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
Salah satu potensi utama GlassTENG adalah pengenalan perilaku yang berkaitan dengan kondisi fisik pengguna. Sebagai contoh, perangkat dapat membantu mencatat pola gerakan rahang. Perilaku mengatupkan rahang termasuk perilaku yang relevan dalam pemantauan bruxism, yaitu kebiasaan mengepalkan maupun menggesekkan gigi tanpa disadari. Dengan penyempurnaan sistem analisis, 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. Kemampuan mendeteksi kedipan mata berpotensi digunakan sebagai indikator tambahan dalam pemantauan kondisi pengguna. Sementara itu, 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. Namun demikian, penggunaan medis tetap membutuhkan pemeriksaan akurasi dan keamanan.
Masa Depan Kacamata Pintar Tanpa Baterai dengan Sensor Gerakan Wajah
Penelitian kacamata pintar tanpa baterai menunjukkan kemajuan menarik dalam pengembangan perangkat kesehatan yang dikenakan. Melalui pemanfaatan triboelectric nanogenerator, kedipan mata serta gerakan wajah dapat menghasilkan sinyal listrik tanpa bergantung pada sumber daya eksternal untuk membangkitkan sinyal sensor. Eksperimen awal yang melibatkan 20 partisipan menunjukkan akurasi pengenalan aktivitas mencapai 93,8 persen. Pencapaian tersebut menjadi langkah awal menuju sistem wearable yang semakin efisien. Meskipun perangkat belum menjadi produk konsumen massal, GlassTENG memperlihatkan potensi teknologi pengindraan mandiri. Dari sudut pandang Anda, apakah kacamata pintar tanpa baterai akan menjadi kebutuhan masa depan? Ceritakan fitur kacamata pintar yang paling Anda harapkan agar diskusi mengenai perkembangan teknologi wearable semakin menarik.
