Pētnieks Jānis Ārents EDI strādā no 2016. gada. Absolvējis Rīgas Tehnisko universitāti (Rīga, Latvija), kur 2018. gadā ieguvis profesionālo maģistra grādu elektrotehnikā. Šobrīd studē Rīgas Tehniskajā universitātē, elektrotehnoloģiju datorvadības doktorantūras studiju programmā. Galvenie pētniecības virzieni saistīti ar inovatīvu digitālo tehnoloģiju izmantošanu industrijas pielietojumos, tā skaitā datorredzes un mākslīgā intelekta sistēmām industrijas procesu automatizācijai. Aktīvi iesaistīts EDI robotikas virziena attīstībā. Galvenās kompetences un pētniecības intereses tādās jomās kā: industriālie roboti un to vadības metodes; ROS; 3D modelēšana; mākslīgais intelekts; automatizācija; kiber-fizikālās sistēmas.
Nesenie projekti
- Mikrorobota izstrāde balstīta uz vizuālo atpazīšanu un mašīnmācīšanos priekš atsevišķu šūnu manipulēšanas (RoVam)
-
Mākslīgais intelekts industrijas digitalizēšanai (AI4DI) #H2020
-
Digitālās Tehnoloģijas, Viedā Robotika un paaugstināta kiberdrošība ātrākai ražošanai nākotnes Eiropas ražošanas ekosistēmā (TRINITY) #H2020
-
Z-uztveres tehnoloģija redzei un identifikācijai, galvenie lietojumi (VIZTA) #H2020
-
Pētījums par datorredzes paņēmienu attīstību industrijas procesu norises automatizācijai (DIPA) #ESIF
-
Inteliģenta kustību vadība saskaņā ar Industriju 4.E (IMOCO4.E) #H2020
Nesenās publikācijas
- Arents, Janis, Valters Abolins, Janis Judvaitis, Oskars Vismanis, Aly Oraby, and Kaspars Ozols. 2021. "Human–Robot Collaboration Trends and Safety Aspects: A Systematic Review" Journal of Sensor and Actuator Networks 10, no. 3: 48. https://doi.org/10.3390/jsan10030048
- Buls, E., Kadikis, R., Cacurs, R., & Ārents, J. (2019, March). Generation of synthetic training data for object detection in piles. In Eleventh International Conference on Machine Vision (ICMV 2018) (Vol. 11041, p. 110411Z)
- Urlini Giulio, Janis Arents, and Antonio Latella. "AI in Industrial Machinery." Artificial Intelligence for Digitising Industry; River Publishers: Gistrup, Denmark (2021): 179-185. https://www.riverpublishers.com/pdf/ebook/chapter/RP_9788770226639C16.pdf
- Arents, Janis, Modris Greitans, and Bernd Lesser. "Construction of a Smart Vision-Guided Robot System for Manipulation in a Dynamic Environment." Artificial Intelligence for Digitising Industry; River Publishers: Gistrup, Denmark (2021): 205-220. https://www.riverpublishers.com/pdf/ebook/chapter/RP_9788770226639C18.pdf
- Janis Arents, Modris Greitans. 2022.g. "Smart Industrial Robot Control Trends, Challenges and Opportunities within Manufacturing" Applied Sciences 12, no. 2: 937. https://doi.org/10.3390/app12020937
- Ahluwalia Vaibhav, Arents Janis, Oraby Aly, Greitans Modris Construction and benchmark of an autonomous tracked mobile robot system. Robotic Systems and Applications, Jan. 2022. (in Press). https://doi.org/10.21595/rsa.2022.22336
- Torres, P.; Arents, J.; Marques, H.; Marques, P. Bin-Picking Solution for Randomly Placed Automotive Connectors Based on Machine Learning Techniques. Electronics 2022, 11, 476. https://doi.org/10.3390/electronics11030476
- Arents, J., Lesser, B., Bizuns, A., Kadikis, R., Buls, E., Greitans, M. (2022). Synthetic Data of Randomly Piled, Similar Objects for Deep Learning-Based Object Detection. In: Sclaroff, S., Distante, C., Leo, M., Farinella, G.M., Tombari, F. (eds) Image Analysis and Processing – ICIAP 2022. ICIAP 2022. Lecture Notes in Computer Science, vol 13232. Springer, Cham. https://doi.org/10.1007/978-3-031-06430-2_59
- Racinskis, Peteris, Janis Arents, and Modris Greitans. 2022. "A Motion Capture and Imitation Learning Based Approach to Robot Control" Applied Sciences 12, no. 14: 7186. https://doi.org/10.3390/app12147186