基于先进制造的方法，将传统光学薄膜基于真空环境的制造方式转变为由增材制造直接生产，即直接通过打印的方式实现光学薄膜的生产。技术的难点与突破性在于通过系统性工艺方案有效实现薄膜厚度纳米级的精度控制，从而实现对于薄膜光学性能的精确控制。本技术可服务于广泛的光学电子设备，建筑玻璃镀膜，及高端光学检测设备。本技术除带来成本优势之外，还带来了基于真空技术难以实现的技术优势。技术本身已经成功通过概念验证阶段，正在开始原型阶段验证。本团队核心成员包括光学及材料背景博士，能源材料背景博士，以及光电半导体材料背景教授。本项目已受德国联邦政府资金等支持，总额超为 150 万欧元，明年即将进入融资阶段。

项目团队根据当前的行业现状和未来的市场趋势，提出创业项目：电动汽车动力电池智能化柔性拆解方案。解决方案的主要产品优势包括以下三个方面：1. 针对不同型号不同品类的电池包与电池模组实现高柔性化三维重建。使用双目结构光相机与工业RGB相机获得高精度的局部点云数据，并根据iGPS和激光雷达获得的全局定位数据，对局部多云进行拼接注册，获得完整高精度的三维数据以进行三维重建。2. 针对不同磨损与形变的电池包与电池模组实现柔顺力位拆解。团队开发了搭载六维力传感器的拆解工具，根据导纳控制和阻抗控制，实现对废旧电池的高效率低损耗拆解，最大程度保留电池内的贵重元素和控制有毒液体，提高经济性和环保性。3. 根据数据管理采集系统和机器学习系统持续优化拆解方案。本团队开发了完整的数据采集管理及学习系统，对测量、建模、拆解、分类等全工序进行完整的数据采集与管理，并将采集数据与拆解结果等后续数据输入学习系统，持续迭代优化拆解方案，提升拆解效率与能力。

算力的提升使人工智能作为灵感创造工作成为可能，机器人精密建造技术赋予了建造超复杂形体的潜力。机器人建造是一个精确的过程。本项目尝试通过人工智能算法精确获取设计所需数据，实现从设计到建造的全流程自动化精确定制建造。团队依托柏林艺术大学建筑系及其机器人生产实验室，基于机器学习结合Rhino软件和Grasshopper插件实现设计形体的自动生成；基于机器人生产工艺的智能建造。现有实验室相关设备投入约500万人民币，已形成生产制造初期原型样品的能力。借算力与 AI、机器人技术，全流程自动化定制建造，有设备原型。