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 dikenal sebagai prototipe kacamata pintar yang mengubah pergerakan otot wajah menjadi sinyal listrik. Inovasi teknologi tersebut dikoordinasikan oleh peneliti Northwestern University, Nivedita Arora, bersama Profesor Nabil Alshurafa dan sejumlah mahasiswa peneliti. Tidak seperti sebagian besar perangkat pemantau kesehatan elektronik, GlassTENG memanfaatkan aktivitas fisik untuk menghasilkan sinyal sensor. Metode yang digunakan mendukung rancangan sensor yang tidak memerlukan baterai. Melalui rancangan inovatif ini, perangkat yang biasa dikenakan dapat memiliki kemampuan pengindraan tambahan.

Tim peneliti 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 termasuk dalam agenda ilmiah UbiComp/ISWC 2026 yang membahas komputasi wearable dan teknologi interaktif. Salah satu tujuan utamanya adalah menghadirkan pemantauan aktivitas wajah tanpa sensor berukuran besar. Para peneliti melihat bahwa kacamata merupakan aksesori yang sudah digunakan banyak orang. Oleh karena itu, pemanfaatan kacamata sebagai perangkat kesehatan menawarkan peluang menarik.

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 menggunakan efek listrik yang muncul ketika bahan bersentuhan. Apabila dua material mengalami siklus sentuhan dan pemisahan, terbentuk perbedaan potensial yang dapat diukur. Dalam rancangan kacamata tersebut, gerakan kelopak mata dan otot wajah memberikan tekanan pada lapisan sensor. Aktivitas kontak dan pemisahan itu membentuk keluaran listrik yang menggambarkan pergerakan. Dengan demikian, gerakan wajah menjadi sumber informasi sekaligus energi sensor.

Karakteristik menarik sistem GlassTENG terletak pada kemampuan menghasilkan sinyal tanpa pasokan daya sensor konvensional. Apabila seseorang menutup dan membuka mata, lapisan material mengalami deformasi yang memicu sinyal listrik. Gerakan lain seperti menggerakkan bagian dahi, mengunyah makanan, dan mengepalkan rahang dapat dikenali melalui respons tegangan yang khas. Meskipun komponen pengindraannya bersifat mandiri, komponen elektronik pendukung masih mempunyai kebutuhan daya. 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 bagian tertentu dari struktur kacamata. Sensor pertama dipasang pada bagian tengah bingkai dekat 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 mengenali aktivitas mengunyah dan mengatupkan rahang. Integrasi beberapa titik pengindraan menyediakan informasi mekanis dari beberapa area tubuh.

Dalam eksperimen yang dilakukan, setiap aktivitas menghasilkan tegangan dengan karakteristik berbeda. Denyut pembuluh darah memunculkan tegangan dalam kisaran 50 sampai 100 milivolt. Sementara itu, kedipan mata serta gerakan alis menghasilkan sekitar 200 hingga 500 milivolt. Tekanan mekanis lebih besar dari otot rahang menunjukkan respons listrik sampai 1,5 volt. Perbedaan nilai tersebut membantu sistem mengenali jenis aktivitas. Namun, besar voltase tidak langsung menunjukkan kemampuan memasok daya besar.

Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning

Dalam menguji kinerja sensor, tim pengembang melakukan percobaan bersama 20 partisipan. Individu yang mengikuti penelitian menjalani serangkaian pengujian dengan enam kegiatan berbeda, yaitu berkedip, mengangkat alis, mengatupkan rahang, mengetukkan gigi, makan, dan berbicara. Ketika percobaan dilakukan, sistem membaca perubahan listrik yang dihasilkan masing-masing gerakan. Hasil pengukuran sensor dipelajari dengan bantuan sistem kecerdasan buatan. Tujuannya adalah mengidentifikasi karakteristik listrik masing-masing gerakan.

Berdasarkan data eksperimen, GlassTENG mencapai akurasi keseluruhan sebesar 93,8 persen. Pada beberapa kategori aktivitas, sistem mengenali aktivitas mengetukkan gigi dengan ketepatan 99 persen. Pada kategori lainnya, pendeteksian rahang yang dikatupkan mencapai ketepatan 96 persen. Pencapaian penelitian tersebut memberikan bukti awal bahwa pendekatan pengindraan ini cukup menjanjikan. Walaupun hasilnya terlihat baik, pengujian dengan jumlah peserta terbatas belum membuktikan kinerja pada seluruh populasi. Oleh karena itu, pengembangan berikutnya perlu menilai ketahanan sensor terhadap berbagai kondisi nyata.

Potensi Kacamata Pintar Tanpa Baterai untuk Pemantauan Kesehatan

Manfaat jangka panjang yang menarik dari GlassTENG adalah pengenalan perilaku yang berkaitan dengan kondisi fisik pengguna. Untuk menggambarkan manfaat praktisnya, sensor dapat dikembangkan untuk mengenali kebiasaan mengatupkan rahang. Kebiasaan mengepalkan rahang termasuk perilaku yang relevan dalam pemantauan bruxism, yaitu kebiasaan mengepalkan maupun menggesekkan gigi tanpa disadari. Dengan penyempurnaan sistem analisis, sistem mungkin mampu menyampaikan peringatan mengenai gerakan rahang tertentu. Walaupun memiliki potensi penggunaan kesehatan, GlassTENG belum dapat dianggap sebagai alat diagnosis medis.

Selain pengamatan gerakan rahang, GlassTENG dapat dikembangkan untuk memantau aktivitas makan, kelelahan, dan sinyal kardiovaskular. Fitur pengenalan aktivitas kelopak mata menawarkan data yang relevan bagi analisis kebiasaan serta tingkat kewaspadaan. Untuk kebutuhan pengindraan fisiologis, sensor pada area hidung dan pelipis mampu membaca perubahan mekanis akibat denyut arteri. Informasi tersebut dapat mendukung penelitian pemantauan kesehatan noninvasif. Dengan pengembangan yang memadai, kacamata sehari-hari dapat memiliki fungsi pengindraan tambahan. Meskipun demikian, penerapan klinis harus melalui proses validasi khusus.

Kesimpulan: Teknologi GlassTENG Membuka Era Baru Kacamata Pintar Hemat Energi

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 memerlukan baterai pada komponen pengindra utama. Penelitian dengan pengujian pada 20 orang menunjukkan akurasi pengenalan aktivitas mencapai 93,8 persen. Temuan ini memberikan dasar bagi pengembangan sensor kesehatan masa depan. Kendati penelitian lebih lanjut masih diperlukan, GlassTENG menggambarkan peluang perangkat elektronik dengan kebutuhan baterai lebih rendah. Bagaimana pandangan Anda, apakah kacamata pintar tanpa baterai akan menjadi kebutuhan masa depan? Sampaikan pandangan melalui kolom komentar agar pembahasan tentang inovasi sensor kesehatan menjadi lebih bermanfaat.