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 perangkat wearable berbentuk kacamata 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. Dibandingkan sensor kesehatan yang mengandalkan baterai, GlassTENG mengandalkan perubahan mekanis pada wajah untuk melakukan pendeteksian. Pendekatan tersebut bertujuan mengurangi kebutuhan energi eksternal. Dengan desain tersebut, kacamata sehari-hari berpotensi menjadi perangkat pemantauan kesehatan.

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. Penelitian ini menjadi bagian dari konferensi UbiComp/ISWC 2026 yang menampilkan perkembangan sistem komputasi dan perangkat yang dikenakan. Fokus penting dari penelitian tersebut adalah mengurangi ketergantungan pada perangkat kesehatan yang memerlukan pengisian daya. Para peneliti melihat bahwa kacamata merupakan aksesori yang sudah digunakan banyak orang. Oleh karena itu, pemanfaatan kacamata sebagai perangkat kesehatan menawarkan peluang menarik.

Mekanisme Perubahan Gerakan Wajah Menjadi Sinyal Listrik

Komponen utama GlassTENG adalah triboelectric nanogenerator atau TENG, yaitu perangkat yang memanfaatkan efek triboelektrik. Cara pengoperasiannya menggunakan efek listrik yang muncul ketika bahan bersentuhan. Apabila dua material mengalami siklus sentuhan dan pemisahan, perbedaan muatan listrik dapat menghasilkan tegangan. 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. Melalui proses tersebut, gerakan wajah menjadi sumber informasi sekaligus energi sensor.

Keunggulan dari pendekatan triboelektrik tersebut muncul karena sensor tidak membutuhkan baterai untuk membangkitkan sinyal gerakan. Ketika pengguna berkedip, tekanan kecil pada sensor menghasilkan perubahan tegangan. Gerakan lain seperti menggerakkan bagian dahi, mengunyah makanan, dan mengepalkan rahang juga menghasilkan pola listrik yang berbeda. 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.

Kemampuan Sensor Kacamata Pintar dalam Mengenali Berbagai Sinyal Tubuh

Agar berbagai gerakan wajah dapat terdeteksi, pengembang menempatkan tiga sensor berukuran kecil pada bagian tertentu dari struktur kacamata. Komponen pengindra pertama diletakkan di sekitar jembatan hidung untuk membaca kedipan, gerakan alis, dan denyut pembuluh darah. Pendeteksi lainnya dipasang di bagian rangka yang berdekatan dengan pelipis sehingga mampu membaca aktivitas otot rahang serta pembuluh darah. Sementara itu, komponen terakhir terletak di sekitar area telinga untuk mendeteksi tekanan akibat gerakan rahang. Integrasi beberapa titik pengindraan menyediakan informasi mekanis dari beberapa area tubuh.

Hasil pengukuran menunjukkan, respons sensor berubah sesuai jenis dan kekuatan gerakan. Pulsa arteri yang terdeteksi memberikan respons listrik sekitar 50–100 milivolt. Pada aktivitas wajah lainnya, aktivitas kelopak mata dan alis memberikan sinyal sekitar 200 sampai 500 milivolt. Gerakan rahang yang lebih kuat menunjukkan respons listrik sampai 1,5 volt. Variasi tegangan yang dihasilkan memberikan informasi untuk membedakan gerakan. Perlu diperhatikan bahwa, besar voltase tidak langsung menunjukkan kemampuan memasok daya besar.

Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning

Dalam menguji kinerja sensor, para ilmuwan melibatkan 20 peserta. Setiap peserta melakukan enam kategori gerakan wajah, yaitu mengedipkan mata, menaikkan alis, mengepalkan rahang, mengetuk gigi, mengunyah makanan, serta berbicara. Pada setiap sesi pengamatan, perangkat mengumpulkan respons tegangan berdasarkan aktivitas wajah. Hasil pengukuran sensor selanjutnya diproses melalui metode pembelajaran mesin. Sasaran analisis tersebut adalah menentukan jenis perilaku berdasarkan perubahan tegangan.

Temuan pengujian menunjukkan, GlassTENG memperoleh tingkat ketepatan klasifikasi sekitar 93,8 persen. Untuk gerakan tertentu, klasifikasi gerakan ketukan gigi menghasilkan akurasi 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, hasil laboratorium masih membutuhkan validasi pada kelompok pengguna lebih beragam. Oleh karena itu, 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, sistem berpotensi digunakan untuk memantau aktivitas rahang yang berulang. Perilaku mengatupkan rahang dapat berkaitan dengan bruxism, yaitu aktivitas rahang berupa pengatupan atau penggeretakan gigi yang tidak disengaja. Dengan penyempurnaan sistem analisis, perangkat dapat dirancang untuk membantu pengguna menyadari aktivitas rahangnya. Meskipun peluang ini menarik, perangkat tersebut masih merupakan prototipe penelitian.

Tidak hanya berpotensi mengenali kebiasaan mengatupkan gigi, GlassTENG dapat dikembangkan untuk memantau aktivitas makan, kelelahan, dan sinyal kardiovaskular. Fitur pengenalan aktivitas kelopak mata dapat menjadi salah satu masukan untuk penelitian kelelahan. Sementara itu, perangkat pengindra pada lokasi tertentu dapat menangkap respons dari getaran pembuluh darah. Hasil pengukuran mekanis itu berpotensi dimanfaatkan untuk pengembangan perangkat pengamatan kondisi tubuh. Apabila penelitian lanjutan berhasil, pemantauan berbagai aktivitas tubuh berpotensi dilakukan melalui satu aksesori. Meskipun demikian, penggunaan medis tetap membutuhkan pemeriksaan akurasi dan keamanan.

Masa Depan Kacamata Pintar Tanpa Baterai dengan Sensor Gerakan Wajah

Inovasi sensor berbasis gerakan wajah menunjukkan kemajuan menarik dalam pengembangan perangkat kesehatan yang dikenakan. Melalui pemanfaatan triboelectric nanogenerator, pergerakan kelopak mata dan rahang dapat dimanfaatkan sebagai masukan sensor tanpa memerlukan baterai pada komponen pengindra utama. Hasil pengujian terhadap 20 peserta menunjukkan akurasi pengenalan aktivitas mencapai 93,8 persen. Hasil penelitian tersebut memberikan dasar bagi pengembangan sensor kesehatan masa depan. Walaupun masih membutuhkan penyempurnaan, GlassTENG memperlihatkan potensi teknologi pengindraan mandiri. Menurut Anda, apakah teknologi energi kedipan mata dapat mengubah perkembangan perangkat wearable? Ceritakan fitur kacamata pintar yang paling Anda harapkan agar pembahasan tentang inovasi sensor kesehatan menjadi lebih bermanfaat.