Von der inneren Uhr zur binokularen Fusion: Mein Jahr mit dichoptischem VR-Training
Der Auslöser: Eine Studie, die alles neu ordnete
Januar 2025. Ich scrollte durch Hacker News, Kaffee dampfte neben der Tastatur, und da war sie: die Frontiers in Psychiatry-Arbeit, die ADHS nicht als Defizit, sondern als circadiane Desynchronisation rahmt. Die These: Aufmerksamkeitssteuerung koppelt an biologische Zeitgeber. Wer aus dem Takt gerät, verliert Fokus – nicht aus Schwäche, sondern weil der interne Clock-Signal zu noisy ist.
Ich las den Abstract dreimal. Nicht wegen ADHS. Wegen meines linken Auges.
Mein Lazy Eye: Ein dropped frame seit 1995
Diagnose mit sechs: Amblyopie. Linkes Auge: 20/200. Rechtes: 20/20. Das Gehirn hatte früh entschieden: linker Stream = zu teuer, droppen wir. Pflastertherapie: Stunden lang okkludieren, Schule, Scham, Compliance near zero. Rote-Blaue-Brillen später: Farbverzerrung über das gesamte Sichtfeld, das Gehirn lernte nicht Fusion, es lernte Farbkompensation.
Als Graphics-Engineer sehe ich das heute klar: Beides sind brutale Heuristiken. Keines nutzt die Hardware, die wir eigentlich haben – zwei unabhängige Displays, zwei unabhängige Optiken, ein Cortex, der Fusion kann, wenn man ihm das richtige Signal gibt.
Amblyotube: Was Seven Sports wirklich gebaut hat
Ich stieß auf Amblyotube über einen Reddit-Thread in r/virtualreality. »Dichoptic YouTube player for Quest« klang nach Side-Project. War es nicht.
Architektur-Übersicht, soweit ich sie aus der Doku und Nutzung ableiten kann:
Render Pipeline: Zwei Eye-Buffers (Left/Right), single-pass instanced rendering vermeidend – jeder Eye bekommt eigenen Fragment-Shader-Pass. YouTube-Stream → Texture → Sampling in beiden Passes, aber mit divergierenden Post-Process-Chains. Der Overhead ist minimal: zwei Draw-Calls pro Frame statt eines, aber die Bandbreite bleibt identisch, da die Quell-Texture geteilt wird.
Dominant Eye Shader (Configurable Occlusion): Uniforms für Blur (Gauss-Radius, separabel implementiert), Contrast (Linear Remap via smoothstep), Brightness (Add/Mul), Opacity (Alpha). Bei Opacity=1.0: digitales Pflaster. Aber der Sweet Spot liegt bei partieller Transluzenz – beide Eyes aktiv, aber Signal-Gewichtung verschoben. Das ist der Schlüssel: keine harte Okklusion, sondern gewichtete Fusion. Ich fahre aktuell 35 % Opacity, 1.8 px Blur-Radius, Contrast 0.85.
Lazy Eye Sharpener (MFBF – Monocular Fixation in Binocular Field): On-Device Person Detection (MediaPipe Face Mesh? Custom TFLite? Die Doku sagt nur »AI-driven«). Detektions-Maske → Sharpening-Kernel (Unsharp Mask / High-Pass mit konfigurierbarem Radius und Amount) nur auf Lazy-Eye-Buffer. Dominant Eye bekommt Original. Das Gehirn bekommt: »Hier ist Detail, schau hin.« Der Kernel läuft in Compute Shader, ~0.3 ms bei 90 Hz auf Quest 3.
Flicker Stimulation: Temporale Modulation der Detektions-Masken. Frequenz konfigurierbar (1–30 Hz). Nutzt die magnokulare Bahn (Bewegungs/Transient-Detektion) – evolutionär älter, schneller, aufmerksamkeitssteuernd. Clever. Ich nutze 12 Hz, duty cycle 50 %.
Magenta Focus Cue: Synthetischer Marker, Lazy Eye: magenta circle (animated, radial ease-in-out), Dominant Eye: soft grey. Magenta gewählt, weil es in natürlichem Footage quasi nicht vorkommt (kein Spektral-Peak in typischen Illuminanten, D65-nah). Das Gehirn lernt: »Magenta = Fusion Target.« Spectral Engineering als UX.
Visual Accents (v2+): Highlight (Yellow-Green Glow, additive Blend), Outline (Red Silhouette, Sobel-basiert), Pulse Controls (Breathing-Rhythmus in Hz, 0.1–0.3 Hz). Attention-Gating via perceptuelle Modulation. Der »Breathing«-Mode hält Top-Down-Aufmerksamkeit wach – verhindert Habituation durch vorhersehbare Reize.
Mein Protokoll: 90 Tage, 35 Min/Tag, Tech-Content
Ich setzte mir ein Protokoll: 35 Minuten, 5 Tage/Woche, nur Content, den ich eh schaue – Tech-Talks, Conference Recordings, Deep Dives. Keine »Therapie-Videos«. YouTube-Feed als Textureingang, keine Custom-Assets.
Woche 1–2: Strange. Magenta-Cue tanzte, Flicker irritierte. Dominant Eye Shader auf 40 % Opacity, leichtes Blur. Kopfschmerzen nach 25 Min – ich reduzierte auf 30 Min Hard Limit. Quest 3 Gewicht (515 g) wurde nach 20 Min spürbar; ich wechselte zu Elite-Strap mit Akku – besserer Gewichtsverteilung, längere Sessions.
Woche 3–4: Der »Pop«-Moment. Ein Conference-Talk über eBPF. Ich sah den Sprecher räumlich. Nicht »3D-Effekt« – echte Tiefe. Das Gehirn hatte begonnen, die Buffer zu fusionieren, weil der Lazy-Eye-Stream plötzlich Information trug (Sharpener + Cue), die der Dominant-Stream nicht hatte. Ich griff nach der Maus, die gar nicht da war.
Woche 6: Quantitative Messung per Stereo Optical Analyzer (Privat, nicht klinisch validiert). Randot-Stereotest: 250 arcsec → 140 arcsec. Titmus Fly: 40 arcsec → 120 arcsec. Nicht »geheilt«. Aber messbar besser. Der Augenarzt: »Was auch immer Sie machen – machen Sie weiter.«
Woche 12: Ich schaue Conference-Recordings ohne Headset und merke: Tiefe bleibt. Nicht immer. Aber öfter. Das ist der Transfer-Effekt, den Papers beschreiben – dichoptisches Training generalisiert auf natürliches Sehen, wenn die Aufgabe ökologisch valide ist (hier: komplexe Szenen, nicht Gabor-Patches).
Was das für Builder bedeutet
Amblyotube ist kein Medical Device. Die Disclaimer sind explizit: Trainingstool, 13+, max 60 Min, ersetzt keine ärztliche Behandlung. Aber es demonstriert etwas, was wir in der VR/AR-Community oft vergessen:
Die beste Hardware für Neuroplastizität ist bereits im Headset. Zwei Displays. Zwei Optiken. Niedrige Latenz (< 20 ms MTP auf Quest 3). Hohe Refresh-Rate (90/120 Hz). Was fehlt, ist Software, die die dichoptische Architektur nicht für Stereo-3D nutzt, sondern für Signal-Gewichtung und Aufmerksamkeitssteuerung.
Seven Sports hat gezeigt, wie man YouTube (beliebiger Content) als Textureingang nimmt und die Post-Process-Pipeline zur therapeutischen Schnittstelle macht. Keine Custom-Engine, keine klinischen Assets – nur Shader, AI-Masken, temporale Modulation. Der Stack: Unity URP, Compute Shaders für Kernels, MediaPipe Tasks API für Detection, YouTube IFrame Player API als Texture-Source. Alles on-device. Keine Cloud.
Das ist der Stack, den wir alle haben. Die Frage ist: Was bauen wir draus?
Ich mache weiter. 35 Minuten. Tech-Talks. Magenta-Cue atmet mit.
https://www.meta.com/en-gb/experiences/amblyotube/25906906972338493/
Top comments (0)