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 dikenal sebagai sistem sensor kesehatan yang terintegrasi pada kacamata yang memanfaatkan energi mekanis dari gerakan wajah. Inovasi teknologi tersebut dipimpin oleh Profesor Nivedita Arora, bersama kelompok peneliti yang melibatkan Nabil Alshurafa dan mahasiswa pascasarjana. Dibandingkan sensor kesehatan yang mengandalkan baterai, GlassTENG memanfaatkan aktivitas fisik untuk menghasilkan sinyal sensor. Pendekatan tersebut bertujuan mengurangi kebutuhan energi eksternal. Berkat penerapan sistem 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. Pengembangan teknologi tersebut menjadi bagian dari konferensi 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. Oleh karena itu, integrasi sensor pada bingkai kacamata menjadi pendekatan yang menjanjikan.
Mekanisme Perubahan Gerakan Wajah Menjadi Sinyal Listrik
Teknologi inti pada kacamata pintar tersebut adalah triboelectric nanogenerator atau TENG, yaitu teknologi yang mengubah gerakan mekanis menjadi sinyal listrik. Prinsip kerjanya menggunakan efek listrik yang muncul ketika bahan bersentuhan. Ketika dua lapisan material saling menyentuh dan terpisah, perbedaan muatan listrik dapat menghasilkan tegangan. Pada GlassTENG, aktivitas wajah menyebabkan perubahan kontak antarmaterial. Perubahan tersebut membentuk keluaran listrik yang menggambarkan pergerakan. Dengan demikian, kedipan mata tidak hanya dideteksi tetapi juga menyediakan energi pengindraannya.
Keunikan teknologi ini berasal dari penggunaan energi mekanis yang tersedia secara alami. Ketika pengguna berkedip, gerakan tersebut menimbulkan respons listrik pada komponen fleksibel. Gerakan lain seperti menaikkan alis, menggerakkan rahang, serta mengunyah juga menghasilkan pola listrik yang berbeda. Kendati sensor memanfaatkan energi gerakan, operasi keseluruhan sistem tetap bergantung pada rancangan rangkaian elektronik. Karakteristik teknis tersebut perlu diperhatikan ketika membahas konsep kacamata tanpa baterai.
Tiga Sensor Fleksibel Membaca Aktivitas Wajah dan Denyut Pembuluh Darah
Untuk memperoleh informasi yang lebih lengkap, tim penelitian memasang tiga sensor tipis pada titik pengamatan yang berbeda pada rangka kacamata. Komponen pengindra pertama diletakkan di sekitar jembatan hidung untuk membaca kedipan, gerakan alis, dan denyut pembuluh darah. Sensor kedua dipasang di bagian rangka yang berdekatan dengan pelipis sehingga mampu membaca aktivitas otot rahang serta pembuluh darah. Pada bagian lainnya, pendeteksi tambahan dipasang pada bagian belakang samping bingkai untuk mengenali aktivitas mengunyah dan mengatupkan rahang. Kombinasi ketiganya memungkinkan pengamatan aktivitas wajah dari berbagai posisi.
Hasil pengukuran menunjukkan, setiap aktivitas menghasilkan tegangan dengan karakteristik berbeda. Gerakan halus akibat denyut arteri menghasilkan sinyal sekitar 50 hingga 100 milivolt. Untuk perubahan gerakan yang lebih jelas, aktivitas kelopak mata dan alis memberikan sinyal sekitar 200 sampai 500 milivolt. Tekanan mekanis lebih besar dari otot rahang dapat memunculkan sinyal hingga 1,5 volt. Perbedaan nilai tersebut membantu sistem mengenali jenis aktivitas. Namun, angka tegangan saja belum menentukan kecukupan energi bagi seluruh perangkat elektronik.
Penelitian Sensor Tanpa Baterai Menghasilkan Tingkat Akurasi Menjanjikan
Untuk mengevaluasi kemampuan GlassTENG, 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, sensor mencatat sinyal listrik dari gerakan peserta. Informasi yang diperoleh dipelajari dengan bantuan sistem kecerdasan buatan. Tujuannya adalah menentukan jenis perilaku berdasarkan perubahan tegangan.
Berdasarkan data eksperimen, GlassTENG memperoleh tingkat ketepatan klasifikasi sekitar 93,8 persen. Pada beberapa kategori aktivitas, klasifikasi gerakan ketukan gigi menghasilkan akurasi 99 persen. Untuk aktivitas rahang, sistem menunjukkan tingkat pengenalan sebesar 96 persen pada aktivitas mengatupkan rahang. 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. Dengan mempertimbangkan hal tersebut, 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 pengenalan perilaku yang berkaitan dengan kondisi fisik pengguna. Untuk menggambarkan manfaat praktisnya, sistem berpotensi digunakan untuk memantau aktivitas rahang yang berulang. Aktivitas tersebut termasuk perilaku yang relevan dalam pemantauan 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, kemampuan klinisnya masih memerlukan validasi tambahan.
Di samping pemantauan bruxism, GlassTENG berpotensi membantu penelitian mengenai aktivitas wajah dan kondisi fisiologis. Kemampuan mendeteksi kedipan mata dapat menjadi salah satu masukan untuk penelitian kelelahan. Untuk kebutuhan pengindraan fisiologis, perangkat pengindra pada lokasi tertentu dapat menangkap respons dari getaran pembuluh darah. Informasi tersebut berpotensi dimanfaatkan untuk pengembangan perangkat pengamatan kondisi tubuh. Apabila penelitian lanjutan berhasil, pengguna mungkin memperoleh perangkat pemantauan kesehatan yang semakin nyaman. Namun demikian, penggunaan medis tetap membutuhkan pemeriksaan akurasi dan keamanan.
Kesimpulan: Teknologi GlassTENG Membuka Era Baru Kacamata Pintar Hemat Energi
Pengembangan GlassTENG memberikan kontribusi penting dalam penelitian sensor elektronik berdaya sangat rendah. Melalui pemanfaatan triboelectric nanogenerator, kedipan mata serta gerakan wajah dapat menghasilkan sinyal listrik tanpa memerlukan baterai pada komponen pengindra utama. Hasil pengujian terhadap 20 peserta memperlihatkan kemampuan membedakan enam aktivitas dengan akurasi 93,8 persen. Hasil penelitian tersebut menjadi langkah awal menuju sistem wearable yang semakin efisien. 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 semakin banyak gagasan mengenai pemanfaatan perangkat hemat energi dapat dibagikan.
