Sources: Meta built a prototype humanoid robot with Chinese firm Fourier in three months and is building a second; Meta says…

Drei Monate bis zum Roboter-Prototyp – und was auf derselben Quest-Plattform schon für die Augen läuft

Meta hat mit dem chinesischen Robotik-Unternehmen Fourier in nur drei Monaten einen humanoiden Roboter-Prototypen gebaut – und arbeitet bereits an Version zwei. Verkauft wird er nicht; es ist reine Forschung. Die Meldung zeigt vor allem eines: Meta investiert massiv in Hardware und Embodied AI, und die Iterationsgeschwindigkeit ist bemerkenswert.

Doch während die Robotik-Schlagzeilen dominieren, läuft auf derselben Ökosystem-Plattform – Meta Quest – bereits eine Anwendung, die heute Menschen hilft: AmblyoPunch von Seven Sportz. Ein VR-Visionstrainingsspiel für Amblyopie (Schwachsichtigkeit, englisch „lazy eye“).

Das Problem: Pflaster isoliert, statt zu koordinieren

Traditionelles Pflastern isoliert das schwache Auge. Das hat seinen Platz, aber es trainiert nicht das Zusammenspiel. AmblyoPunch setzt stattdessen auf dichoptisches Training: Beide Augen bekommen gleichzeitig unterschiedliche visuelle Eingaben in einer 3D-Umgebung. Ziel ist nicht, das eine Auge zu „trainieren“, sondern dem Gehirn beizubringen, beide wieder gemeinsam zu nutzen. Der Tagline des Entwicklers bringt es auf den Punkt: Train Your Brain. Strengthen Your Vision. Beyond the Patch.

Die Architektur des Trainings: vier Stufen

Interessant für alle, die an Trainingssystemen bauen, ist die klare Stufung. Der Automatic Mode führt durch vier klinisch inspirierte Phasen:

1. Monokulares Warm-up: Die Ziele sind ausschließlich für das schwache Auge sichtbar. So entsteht Tracking und Aufmerksamkeit, ohne dass das dominante Auge konkurriert.
2. Suppression brechen: Beide Augen sehen Ziele, aber die Sicht des dominanten Auges wird stark gedimmt bzw. ausgewaschen, damit das Gehirn den Input des schwachen Auges priorisiert.
3. Rebalancing: Klarheit und Helligkeit des dominanten Auges werden über mehrere Sub-Schritte graduell wiederhergestellt – das schwache Auge bleibt dabei aktiv.
4. Fusionstraining: Eine leichte Bildfehlausrichtung innerhalb von Panums Fusionsbereich trainiert das Gehirn, beide Ansichten zu einem 3D-Eindruck zu verschmelzen.

Das ist im Kern eine Progressive-Overload-Logik, nur auf die visuelle Verarbeitung statt auf Muskelaufbau angewendet – und genau deshalb spannend.

Gameplay als Motivationsschicht

Das Spiel selbst ist bewusst schlicht gehalten. Die Spielenden betreten immersive Welten (Dorf, Stadt, Weltraum und weitere) und interagieren mit fliegenden Objekten – per Controller oder Hand-Tracking.

• „Gabor coins“ boxen bringt Punkte. Diese Münzen nutzen Gabor-Patch-Stimuli: orientierte, weichkantige Streifenmuster, die in der Sehwissenschaft eingesetzt werden, um Kontrast-, Orientierungs- und Feindetailverarbeitung im visuellen Kortex anzusprechen.
• Roten Spikes ausweichen. Ein Treffer kostet ein Herz, es gibt drei – sind alle weg, folgt ein Neustart.

Der Schwierigkeitsgrad skaliert mit dem Fortschritt: Objekte werden schneller, Münzen kleiner, Spikes größer. Das trainiert Hand-Auge-Koordination und Tiefenwahrnehmung, ohne dass es sich wie eine Übung anfühlt. Punkte schalten neue Welten frei – vom Dorf über die Stadt in den Weltraum, weiter zum Mond, Mars und Venus.

Personalisierung: die Parameter, die zählen

Über Wand- und Handgelenkmenüs lassen sich die zentralen Variablen einstellen:

• Betroffenes Auge: links oder rechts. Wichtig: Eine falsche Auswahl kehrt den klinischen Effekt um.
• Schweregrad: Mild, Moderate oder Severe – steuert Zielgröße, Geschwindigkeit und Stufenlänge. Bei Severe gibt es größere, langsamere Ziele und längeres monokulares Arbeiten; bei Mild kann der Einstieg näher an binokularem Training liegen.
• Strabismus: Esotropie oder Exotropie – justiert die Disparität bzw. den Vergenz-Shift in Stufe 4.
• Custom Mode: Für erfahrene Nutzer, die monokular/binokular und Fusion manuell umschalten wollen. Für die meisten ist der Automatic Mode empfohlen.

Für Entwickler von Trainings- oder Gesundheits-Apps ist das ein sauberes Beispiel dafür, wie man Fachparameter zugänglich macht, ohne die Nutzer zu überfordern.

Progression: leistungsgesteuert statt zeitgesteuert

Ein Detail, das ich bemerkenswert finde: Der Fortschritt ist nicht an Zeit gebunden, sondern an Leistung. Der typische Schwellenwert für den Aufstieg liegt bei ≥ 70 % Erfolg in einem rollenden Fenster von 10 Ergebnissen (Treffer und Ausweichmanöver). Unter 40 % kann eine Rückstufung erfolgen. Für Profile mit Schielen (Strabismus) sind ≥ 80 % nötig, bevor es in das finale Fusionstraining geht.

Das erinnert an adaptive Lernsysteme mit Hysterese – man will Fortschritt belohnen, aber bei Einbrüchen nicht ins Frustrierende kippen lassen. Die Rückstufungs-Schwelle ist bewusst niedriger als die Aufstiegs-Schwelle, was ein klassisches Problem adaptiver Systeme adressiert: Flackern zwischen Stufen.

Was das mit Meta und Fourier zu tun hat

Ehrlich gesagt nicht direkt – und das ist der Punkt. Die Roboter-News zeigen, wohin Meta bei Hardware und Embodied AI will. AmblyoPunch zeigt, was schon heute auf derselben Plattform möglich ist, wenn Entwickler sich ein konkretes Problem vornehmen und es in eine gute Spielmechanik übersetzen.

Ein wichtiger Hinweis

AmblyoPunch ist ein Trainings- und Assistenzspiel, kein Medizinprodukt, keine Behandlung und kein Heilmittel. Es soll augenärztliche Betreuung ergänzen, nicht ersetzen. Für klinische Fragen ist die augenärztliche Fachperson die richtige Adresse.

Wenn du neugierig bist, wie dichoptisches Training als Spiel aussieht – hier geht es zur Quest-Seite:

👉 https://www.meta.com/en-gb/experiences/amblyopunch/1239507485902689/