Peneliti Kembangkan Kacamata Pintar Tanpa Baterai yang Memanfaatkan Energi Kedipan Mata
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 dikembangkan sebagai sistem sensor kesehatan yang terintegrasi pada kacamata yang memanfaatkan energi mekanis dari gerakan wajah. Pengembangan perangkat ini dipimpin oleh Profesor Nivedita Arora, bersama Nabil Alshurafa serta tim mahasiswa tingkat magister. Dibandingkan sensor kesehatan yang mengandalkan baterai, GlassTENG mengandalkan perubahan mekanis pada wajah untuk melakukan pendeteksian. Pendekatan tersebut mendukung rancangan sensor yang tidak memerlukan baterai. 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. Penelitian ini termasuk dalam agenda ilmiah UbiComp/ISWC 2026 yang menampilkan perkembangan sistem komputasi dan perangkat yang dikenakan. Fokus penting dari penelitian tersebut adalah menciptakan sistem pengindraan yang lebih mudah digunakan setiap hari. Tim pengembang mempertimbangkan 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 komponen penghasil muatan listrik melalui kontak material. Prinsip kerjanya memanfaatkan perpindahan muatan akibat kontak dua material. Ketika dua lapisan material saling menyentuh dan terpisah, proses perpindahan muatan menimbulkan sinyal listrik. Melalui sistem sensor yang digunakan, 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.
Keunikan teknologi ini berasal dari penggunaan energi mekanis yang tersedia secara alami. Ketika pengguna berkedip, gerakan tersebut menimbulkan respons listrik pada komponen fleksibel. Aktivitas wajah lainnya seperti mengangkat alis, mengunyah, dan mengatupkan rahang memunculkan karakteristik sinyal tersendiri. Meskipun komponen pengindraannya bersifat mandiri, 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 dipasang pada bagian tengah bingkai dekat hidung untuk mendeteksi aktivitas kelopak mata serta sinyal denyut. Komponen berikutnya diposisikan dekat pelipis sehingga mampu membaca aktivitas otot rahang serta pembuluh darah. Sebagai pelengkap sistem, pendeteksi tambahan dipasang pada bagian belakang samping bingkai untuk mengamati perubahan mekanis ketika pengguna mengunyah. Susunan sensor tersebut membantu membedakan sejumlah perilaku wajah.
Hasil pengukuran menunjukkan, respons sensor berubah sesuai jenis dan kekuatan gerakan. Pulsa arteri yang terdeteksi menghasilkan sinyal sekitar 50 hingga 100 milivolt. Pada aktivitas wajah lainnya, kedipan mata serta gerakan alis menghasilkan sekitar 200 hingga 500 milivolt. Aktivitas mengunyah atau mengatupkan rahang mampu menghasilkan tegangan mencapai 1,5 volt. Karakteristik sinyal listrik tersebut membantu sistem mengenali jenis aktivitas. Perlu diperhatikan bahwa, angka tegangan saja belum menentukan kecukupan energi bagi seluruh perangkat elektronik.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Dalam menguji kinerja sensor, para ilmuwan melibatkan 20 peserta. Masing-masing partisipan menjalani serangkaian pengujian dengan enam kegiatan berbeda, yaitu mengedipkan mata, menaikkan alis, mengepalkan rahang, mengetuk gigi, mengunyah makanan, serta berbicara. Pada setiap sesi pengamatan, sensor mencatat sinyal listrik dari gerakan peserta. Data tersebut kemudian dianalisis menggunakan algoritma machine learning. Tujuannya adalah mengidentifikasi karakteristik listrik masing-masing gerakan.
Berdasarkan data eksperimen, GlassTENG mencapai akurasi keseluruhan sebesar 93,8 persen. Dalam pengenalan perilaku khusus, akurasi pendeteksian ketukan gigi mencapai 99 persen. Sementara itu, pendeteksian rahang yang dikatupkan mencapai ketepatan 96 persen. Angka tersebut menunjukkan kemampuan sensor membedakan beberapa aktivitas wajah. Kendati akurasinya cukup tinggi, pengujian dengan jumlah peserta terbatas belum membuktikan kinerja pada seluruh populasi. Berdasarkan keterbatasan pengujian, pengembangan berikutnya perlu menilai ketahanan sensor terhadap berbagai kondisi nyata.
Manfaat Teknologi GlassTENG dalam Mendeteksi Kebiasaan dan Aktivitas Tubuh
Salah satu potensi utama GlassTENG adalah pengamatan aktivitas wajah dalam rutinitas sehari-hari. Sebagai contoh, perangkat dapat membantu mencatat pola gerakan rahang. Perilaku mengatupkan rahang menjadi salah satu aspek yang diperhatikan pada gangguan bruxism, yaitu kebiasaan mengepalkan maupun menggesekkan gigi tanpa disadari. Apabila dikembangkan lebih lanjut, kacamata berpotensi memberikan pengingat ketika perilaku tersebut terdeteksi. Walaupun memiliki potensi penggunaan kesehatan, perangkat tersebut masih merupakan prototipe penelitian.
Tidak hanya berpotensi mengenali kebiasaan mengatupkan gigi, GlassTENG memiliki peluang penggunaan dalam pengamatan perilaku makan serta denyut pembuluh darah. Fitur pengenalan aktivitas kelopak 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. Data fisiologis yang diperoleh memberikan dasar bagi penelitian teknologi kesehatan wearable. Jika teknologi ini terus disempurnakan, kacamata sehari-hari dapat memiliki fungsi pengindraan tambahan. Perlu ditekankan bahwa, manfaat kesehatan perlu dibuktikan melalui penelitian yang lebih luas.
Kesimpulan: Teknologi GlassTENG Membuka Era Baru Kacamata Pintar Hemat Energi
Pengembangan GlassTENG membuka pendekatan baru dalam teknologi wearable hemat energi. Melalui pemanfaatan triboelectric nanogenerator, pergerakan kelopak mata dan rahang dapat dimanfaatkan sebagai masukan sensor tanpa memerlukan baterai pada komponen pengindra utama. Eksperimen awal yang melibatkan 20 partisipan memperlihatkan kemampuan membedakan enam aktivitas dengan akurasi 93,8 persen. Pencapaian tersebut memberikan dasar bagi pengembangan sensor kesehatan masa depan. Walaupun masih membutuhkan penyempurnaan, GlassTENG menunjukkan manfaat pemanfaatan energi gerakan tubuh. Bagaimana pandangan 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.
