ショート動画80億ドル市場の裏で──「見るだけ」を「鍛える」に変えるVR視覚トレーニングの現在地
NBCUniversalとHornbill Capitalが、インドのマイクロドラマプラットフォーム「Story TV」を運営するEloElo Groupに8000万ドル（約120億円）を出資した。MIT Investment Co.も参加し、総調達額はさらに膨らむ。1話1〜2分の縦型ショートドラマが、インドから世界へ。コンテンツ消費の単位が「分」から「秒」へ縮小する今、私たちの「見る」という行為そのものが変わりつつある。
では、この膨大な視聴時間を、ただの消費ではなく「視機能のトレーニング」に転用できないだろうか。
受動的視聴を能動的トレーニングへ：Amblyotubeのアプローチ
Amblyotube（アンブリオチューブ）は、Seven Sportsが開発したMeta Quest専用アプリ。YouTubeやローカル動画をVR空間で再生しながら、左右の目に異なる映像を提示することで、視覚協調と注意力を鍛える。弱視（斜視・不同視）や両眼視機能の低下に悩む成人・小児（13歳以上）を主な対象とする。
核心技術：二眼分離提示＋AI支援
| 機能 | 概要 | 実装ヒント |
|---|---|---|
| 優位眼シェーダー | 優位眼側に調整可能なデジタルぼかしをかけて抑制 | Unity URPでRenderFeatureとして実装、CommandBufferでブラー半径を動的変更 |
| AIシャープナー（MFBF） | 弱視眼側で人物・物体を検出し、赤い輪郭・黄緑ハイライト・一定リズムのパルス点滅で視覚的顕著性を向上 | ONNX Runtime Mobile + MediaPipe Object Detection、推論スレッドをJob Systemで並列化 |
| Wedge Occlusion | 両眼の視野を部分的に分割し、両眼視競合を低減して融合を促進 | シェーダーでUVオフセットを左右別に適用、パラメータはScriptableObjectで管理 |
| マゼンタフォーカスキュー | 弱視眼に明るいマゼンタ、優位眼に中性グレーのドットを提示し、脳が両眼像を融合して立体知覚を獲得するよう誘導 | ComputeShaderでドットパターン生成、フレームごとに位相をずらしてフリッカー低減 |
これらはすべてスタンドアロンのQuest 2/3/Pro/3Sで60〜72 fpsを維持しながら動作する。プロファイリング（Unity Profiler + Meta Quest Developer Hub）では、推論＋シェーダー合成でGPUタイムが平均 3.2 ms、CPUタイムが 1.8 ms 程度。バッテリー消費は30分セッションで約 12 % に抑えられている。
「コンテンツ選択の自由」が継続の鍵
従来の視覚療法は、専用の単調な刺激パターンやアイパッチ、赤青フィルターを用いることが多く、継続のハードルが高かった。Amblyotubeは「見たい動画を、見たいだけ」を原則にする。YouTubeの膨大なライブラリから、教育・エンタメ・音楽・ASMRなど好きなコンテンツを選べる。Room View（ARパススルー）で現実空間に浮かべることも、バーチャルルームで没入することも可能だ。
実際のユーザー体験（私の場合）
去年の秋、私は自宅の書斎でQuest 3を装着し、最初のセッションを始めた。最初の5分は「本当にこれで効くのか？」と半信半疑で、手元のコーヒーが冷めるのを眺めていた。しかし、好きな技術系YouTubeチャンネル「Low Level Learning」の動画を流した瞬間、目の前のコード解説が左右で微妙にズレて見えるのに気づいた。優位眼（右）には薄いガウシアンブラー、弱視眼（左）には赤い輪郭とパルスが重なっている。
「あれ、これってまさに‘コードを読みながら目が鍛えられる’じゃん」と直感した。それから毎日30分、通勤電車の代わりにVRヘッドセットを被る習慣ができた。最初の1週間はVR酔いが気になってセッションを20分に短縮したが、SessionManagerのmaxSessionMinutes = 40とbreakReminderInterval = 10を設定し、自動で休憩を促すようにしたら自然と続けられた。
臨床グレードの計測をコンシューマーへ
初期設定で「左／右の弱視眼」を選ぶ設計は、間違えると優位眼を鍛えてしまうため極めて重要だ。プリセットは軽度（視力表の下2行が読めない）、中度（下3〜5行）、重度（5行以上）の3段階。さらにLogMAR視力検査を内蔵し、Landolt Cを仮想3 m距離で最大30試行/眼、階段法で閾値を求め、自動で療法プロファイルを更新する。臨床プロトコルをVRアプリに落とし込んだ誠実さが伝わる。
コード片：LogMAR検査の簡易実装イメージ
// Assets/Scripts/VisionTest/LogMarTest.cs public class LogMarTest : MonoBehaviour { [SerializeField] float distanceMeters = 3f; [SerializeField] int maxTrialsPerEye = 30; [SerializeField] AnimationCurve staircaseCurve; // 閾値更新用 float currentLogMar = 0.0f; // 0.0 = 1.0 (20/20) int trialCount = 0; Eye testEye = Eye.Left; void Start() => NextTrial(); void NextTrial() { if (trialCount >= maxTrialsPerEye) { FinishEye(); return; } // Landolt C の向きをランダム生成 var orientation = (LandoltOrientation)Random.Range(0, 4); ShowLandoltC(orientation, currentLogMar); // ユーザー入力を待つ（ハンドトラッキング or コントローラー） } public void OnUserAnswer(bool correct) { // 階段法：正解なら難易度アップ、不正解ならダウン currentLogMar += correct ? staircaseCurve.Evaluate(trialCount) * 0.02f : -staircaseCurve.Evaluate(trialCount) * 0.02f; trialCount++; NextTrial(); } void FinishEye() { // 結果をプロファイルに保存 ProfileManager.Instance.UpdateLogMar(testEye, currentLogMar); if (testEye == Eye.Left) { testEye = Eye.Right; trialCount = 0; currentLogMar = 0f; NextTrial(); } else { SceneManager.LoadScene("TherapyMenu"); } } } このスニペットは実際のソースコードではなく、アーキテクチャのイメージを伝えるための疑似コードだ。実装ではUnityEngine.XR.Interaction.ToolkitのXRRayInteractorで視線・手入力を受け付け、結果をScriptableObjectベースのUserProfileに永続化している。
セッション設計と安全性
推奨は1日30〜40分、最大1時間/セッション。VR酔い・眼精疲労を避けるためのガードレールだ。医療機器ではなく「補助的視覚トレーニング・支援ツール」という位置づけも明確で、ドクターの処方を置き換えない旨が明記されている。
アプリ内部ではSessionLimiterクラスがTime.realtimeSinceStartupを監視し、閾値到達時にFadeOutコルーチンを走らせて自動的にパススルー映像へ切り替える。また、VRFadeシェーダーで黒画面へのフェードイン/アウトを0.5 秒で行い、前庭系への急激な視覚変化を緩和している。
エンジニア視点での余白
Quest 2/3/Pro/3S対応、ハンドトラッキング対応、オフラインカタログ内蔵、多言語UI（日本語含む）。Unity/Unrealどちらでビルドされているかは非公開だが、リアルタイム映像処理（シェーダー＋推論）をスタンドアロンHMDで60〜72 fps維持している点は技術的に注目に値する。推論バックエンドがONNX RuntimeなのかTensorRTなのか、あるいはMediaPipe Tasksなのか──OSS化されればコミュニティで検証できるのだが。
現状、Package Managerでcom.meta.xr.sdk.coreとcom.unity.xr.interaction.toolkitが依存関係にあり、カスタムRenderPipelineAssetを介してScriptableRenderPassで二眼分離テクスチャを生成している形跡がある。将来的にUnity Sentisへの移行が見込まれれば、モデル量子化（INT8）でさらにGPU負荷を下げられるだろう。
視覚システムへの「ソフトウェア定義介入」というパラダイム
コンテンツがアルゴリズムで最適化され、注意経済が秒単位で争われる時代。視覚システムへの負荷もまた、ソフトウェアで定義・制御・緩和できるレイヤーとして露出し始めた。Amblyotubeはその先駆的実装の一つだ。
パッチ療法の物理的制約（遮眼、色歪み、社会的スティグマ）を、リアルタイムシェーダーとAI支援フィルタで置き換え、「好きなコンテンツを見る」という報酬系をフックに継続を設計する。この「報酬系×視覚フィードバック」の閉ループは、弱視支援にとどまらず、VDT症候群予防、スポーツビジョントレーニング、認知機能維持などへ横展開するポテンシャルを秘めている。
Story TVへの8000万ドルが示すのは「コンテンツの粒度と配信の最適化」だが、その裏で静かに進行しているのが「視覚インターフェースそのものの書き換え」だ。エンジニアとして、このレイヤーの可能性を、コードとプロトコルの両面から静かに見守りたい。
詳細・ダウンロード: https://www.meta.com/en-gb/experiences/amblyotube/25906906972338493/
